[發明專利]一種圖片風格轉換方法、裝置及系統

有效

• 申請號: 201710289348.0
• 申請日: 2017-04-27
• 公開（公告）號: CN107171932B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 劉剛
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: H04L12/58
• 分類號: H04L12/58;G06T11/60
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

1.一種圖片風格轉換方法，其特征在于，包括：

通過網絡從內容中心服務器中或者從內容發布終端獲取待進行圖片風格轉換的文章內容，所述文章內容包括圖片；

獲取所述文章內容的屬性信息，其中，所述屬性信息包括所述文章內容的內容屬性信息或所述文章內容的圖片屬性信息，所述內容屬性信息包括文章內容所屬的內容類別，所述圖片屬性信息包括文章內容中圖片的數量、文章內容中圖片的圖片占比；

確定所述文章內容所屬的內容類別是否為預設類別；或者確定所述圖片的數量是否大于預設數量；或者確定所述圖片的占比大于預設閾值；

若是，則確定風格轉換所需的風格樣式圖片，其中，不同的所述風格樣式圖片具有相同的風格樣式；

基于卷積神經網絡從所述風格樣式圖片中提取相應的風格特征信息；

當風格轉換所需的風格樣式圖片包括多種風格樣式圖片時，根據每種風格樣式圖片對應的風格特征信息，分別對所述文章內容中的圖片進行風格轉換，得到多個具有不同圖片風格的目標文章內容；

將具有不同圖片風格的目標文章內容分別發送給不同的終端群，以便終端內終端展示相應圖片風格的目標文章內容。

2.如權利要求1所述的圖片風格轉換方法，其特征在于，基于卷積神經網絡從所述風格樣式圖片中提取相應的風格特征信息，包括：

建立多層卷積神經網絡模型，所述多層卷積神經網絡模型包括多個卷積層；

基于所述多層卷積神經網絡模型從所述風格樣式圖片中提取相應的風格特征信息。

3.如權利要求2所述的圖片風格轉換方法，其特征在于，基于所述多層卷積神經網絡模型從所述風格樣式圖片中提取相應的風格特征信息，包括：

基于反向傳播算法對所述多層卷積神經網絡模型進行訓練；

根據訓練后的多層卷積神經網絡模型從所述風格樣式圖片中提取相應的風格特征信息。

4.一種圖片風格轉換裝置，其特征在于，包括：

獲取單元，用于通過網絡從內容中心服務器中或者從內容發布終端獲取待進行圖片風格轉換的文章內容，所述文章內容包括圖片；

屬性確定單元，用于獲取所述文章內容的屬性信息，其中，所述屬性信息包括所述文章內容的內容屬性信息或所述文章內容的圖片屬性信息，所述內容屬性信息包括文章內容所屬的內容類別，所述圖片屬性信息包括文章內容中圖片的數量、文章內容中圖片的圖片占比；所述屬性確定單元還用于確定所述文章內容所屬的內容類別是否為預設類別；或者確定所述圖片的數量是否大于預設數量；或者確定所述圖片的占比大于預設閾值；

圖片確定單元，用于在所述屬性確定單元確定滿足預設條件時，確定風格轉換所需的風格樣式圖片，其中，不同的所述風格樣式圖片具有相同的風格樣式；

提取單元，用于基于卷積神經網絡從所述風格樣式圖片中提取相應的風格特征信息；

風格轉換單元，用于根據每種風格樣式圖片對應的風格特征信息，分別對所述文章內容中的圖片進行風格轉換，得到多個具有不同圖片風格的目標文章內容；

發送單元，用于將具有不同圖片風格的目標文章內容分別發送給不同的終端群，以便終端內終端展示相應圖片風格的目標文章內容。

5.如權利要求4所述的圖片風格轉換裝置，其特征在于，所述提取單元包括：

模型建立子單元，用于建立多層卷積神經網絡模型，所述多層卷積神經網絡模型包括多個卷積層；

特征提取子單元，用于基于所述多層卷積神經網絡模型從所述風格樣式圖片中提取相應的風格特征信息。

6.一種圖片風格轉換系統，其特征在于，包括如權利要求4-5任一項所述的圖片風格轉換裝置。