[發明專利]一種字庫樣本自動生成方法、計算機裝置及可讀存儲介質

在審

• 申請號: 201811249853.3
• 申請日: 2018-10-25
• 公開（公告）號: CN109615671A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 劉佳鵬
• 申請（專利權）人: 北京中關村科金技術有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T3/00
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

本發明適用于計算機領域，提供了一種字庫樣本自動生成方法、計算機裝置及可讀存儲介質，該方法包括：采集待訓練的字符或者句子；根據選定或者新設計的字體，對待訓練的字符或者句子進行處理，生成對應的字體位圖；根據需要對字體位圖進行相應的變換處理，得到第一字體位圖；將第一字體位圖與選取的場景圖片進行疊加處理，并進行仿真處理，最終生成相應的字庫樣本。本發明方法，根據選定或新設計的字體，對待訓練的內容進行處理，并經過變換、背景疊加和后期仿真處理，最終生成字庫樣本，即借助計算機自動生成大量的字庫樣本，縮短了字庫樣本的制作周期，節省了人力資源和成本，滿足了訓練樣本量的需求，訓練出來的字庫樣本與真實樣本差距較小。

技術領域

本發明屬于計算機領域，尤其涉及一種字庫樣本自動生成方法、計算機裝置及可讀存儲介質。

背景技術

隨著智能終端以及移動互聯網的飛速發展，人們的日常生活中會接觸到各種各樣的字庫。

而這些字庫，大多是由專業的字庫設計團隊，人工設計，逐字制作而成，耗費大量的人力物力，成本高昂。由于現有的字庫制作方法大多依賴于人工經驗和設計，自動化程度很低，因此，生成的字庫樣本量十分少。這使得在使用深度學習神經網絡模型對字庫樣本進行訓練時，常常因訓練的樣本量太少而使得訓練出來的樣本與真實的樣本之間存在較大差距的問題。

由此可見，現有字庫生成方法仍需要借助人工設計制作，制作周期長、成本高，且無法滿足深度學習神經網絡模型的訓練樣本量需求，使得訓練出來的字庫樣本與真實樣本差距較大。

發明內容

本發明實施例提供一種字庫樣本自動生成方法，旨在解決現有字庫生成方法仍需要借助人工設計制作，制作周期長、成本高，且無法滿足深度學習神經網絡模型的訓練樣本量需求，使得訓練出來的字庫樣本與真實樣本差距較大的問題。

本發明實施例是這樣實現的，一種字庫樣本自動生成方法，包括如下步驟：采集待訓練的字符或者句子；

根據選定或者新設計的字體，對待訓練的所述字符或者句子進行處理，生成對應的字體位圖；

根據需要對所述字體位圖進行相應的變換處理，得到第一字體位圖；

將所述第一字體位圖與選取的場景圖片進行疊加處理，并進行仿真處理，最終生成相應的字庫樣本。

本發明實施例還提供一種計算機裝置，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述字庫樣本自動生成方法的各步驟。

本發明實施例還提供計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時實現上述字庫樣本自動生成方法的各步驟。

本發明實施例提供的字庫樣本自動生成方法，通過計算機采集待訓練的字符或者句子，并根據選定或者新設計的字體，對待訓練的字符或者句子進行處理，生成對應的字體位圖，同時可根據需要對字體位圖進行相應的變換處理，得到第一字體位圖；并對第一字體位圖與選取的場景圖片進行疊加、后期仿真處理，得到相應的字庫樣本。其借助計算機自動生成大量的字庫樣本，縮短了字庫樣本的制作周期，節省了人力資源和成本，滿足了訓練樣本量的需求，訓練出來的字庫樣本與真實樣本差距較小。

附圖說明

圖1是本發明實施例一提供的字庫樣本自動生成方法的實現流程圖；

圖2是本發明實施例二提供的字庫樣本自動生成方法的實現流程圖；

圖3是本發明實施例三提供的字庫樣本自動生成方法的實現流程圖；

圖4是本發明實施例四提供的字庫樣本自動生成方法的實現流程圖；

圖5是本發明實施例五提供的字庫樣本自動生成方法的實現流程圖；