首页 / 专利库 / 人工智能 / 机器学习 / 集成学习 / 随机森林 / 一种基于机器学习智能生成设计作品的方法、系统及存储介质

一种基于机器学习智能生成设计作品的方法、系统及存储介质

阅读:1014发布:2020-08-19

专利汇可以提供一种基于机器学习智能生成设计作品的方法、系统及存储介质专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种基于 机器学习 设计 框架 智能生成设计作品的方法、系统及存储介质,该方法包括:步骤1,获得特征集,步骤2, 预测模型 对特征集AA、BB综合学习,采用 随机森林 方法随机生成特征矩阵,得到S个矩阵 决策树 集S;步骤3,需要生成新的设计作品时,只需提供素材特征属性、元素特征属性;预测模型将采用决策树集S对新的页面的素材特征、元素属性特征进行综合分析,将会得到s个分类结果,统计计数分析s类,数目越大生成的样式越多。大大提高设计工作的效率,减少人工成本;减少设计师花在重复工作上的时间,增加设计师创造性工作的时间。,下面是一种基于机器学习智能生成设计作品的方法、系统及存储介质专利的具体信息内容。

1.一种基于机器学习智能生成设计作品的方法,其特征在于,包括如下步骤:
步骤1,获得特征集,特征集包括:
对设计作品历史数据训练抽取素材库特征,获得素材库特征集A={A1,A2...An},对素材库特征集A进行采样形成新的素材库特征集AA={AA1,AA2...AAn};
对设计作品历史数据训练抽取元素属性特征,获得元素属性特征集B={B1,B2...Bn},对元素属性特征集B进行采样形成新的元素属性特征集BB={BB1,BB2...BB3};
步骤2,预测模型对特征集AA、BB综合学习,采用随机森林方法随机生成特征矩阵,得到S个矩阵决策树集S;
步骤3,需要生成新的设计作品时,只需提供素材特征属性、元素特征、尺寸属性;预测模型将采用决策树集S对新的设计作品的素材特征、元素属性特征进行综合分析,将会得到s个分类结果,统计计数分析s类,数目越大分类则越多。
2.根据权利要求1所述的方法,其特征在于:所述设计作品包括但不限于海报、Banner、活动页、logo、ppt、名片设计形式。
3.根据权利要求1所述的方法,其特征在于:素材库特征包括动物、人物、物品、商品。
4.根据权利要求1所述的方法,其特征在于:元素属性特征包括横屏、竖屏、多图。
5.根据权利要求1所述的方法,其特征在于:在所述步骤1中,形成新的素材库特征集AA的方法包括如下步骤:
步骤一,对素材库特征集A进行多次迭代数据采样;
步骤二,将素材库特征集A的采样数据集分成N个类别层;
步骤三,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
步骤四,然后将步骤三抽取的特征集采样数据组合在一起,得到新的素材库特征集AA={AA1,AA2...AAn}。
6.根据权利要求1所述的方法,其特征在于:在所述步骤1中,形成新的元素属性特征集BB的方法包括如下步骤:
步骤a,对元素属性特征集B进行多次迭代数据采样;
步骤b,将元素属性特征集B的采样数据集分成N个类别层;
步骤c,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
步骤d,然后将步骤c抽取的特征集采样数据组合在一起,得到新的元素属性特征集BB={BB1,BB2...BB3}。
7.一种基于机器学习设计方法的系统,其特征在于,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现权利要求1-
6中任一项所述的方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现权利要求1-6中任一项所述的方法的步骤。

说明书全文

一种基于机器学习智能生成设计作品的方法、系统及存储

介质

技术领域

背景技术

[0002] 随着社会的进步,科技的发展,软件已广泛应用于人们生活和生产当中,但是目前网页中的页面制作效率低,人工成本高,无法满足用户的需求,页面包括但不限于海报、Banner、活动页等等系列设计行为。

发明内容

[0003] 本发明提供了一种基于机器学习智能生成设计作品的方法,包括如下步骤:
[0004] 步骤1,获得特征集,特征集包括:
[0005] 对设计作品历史数据训练抽取素材库特征,获得素材库特征集A={A1,A2...An},对素材库特征集A进行采样形成新的素材库特征集AA={AA1,AA2...AAn};
[0006] 对设计作品历史数据训练抽取元素属性特征,获得元素属性特征集B={B1,B2...Bn},对元素属性特征集B进行采样形成新的元素属性特征集BB={BB1,BB2...BB3};
[0007] 步骤2,预测模型对特征集AA、BB综合学习,采用随机森林方法随机生成特征矩阵,得到S个矩阵决策树集S;
[0008] 步骤3,需要生成新的设计作品时,只需提供素材特征属性、元素特征、尺寸属性;预测模型将采用决策树集S对新的设计作品的素材特征、元素属性特征进行综合分析,将会得到s个分类结果,统计计数分析s类,数目越大分类则越多。
[0009] 作为本发明的进一步改进,所述设计作品包括海报、Banner、活动页、logo、ppt、logo。
[0010] 作为本发明的进一步改进,素材库特征包括动物、人物、物品。
[0011] 作为本发明的进一步改进,在所述步骤1中,形成新的素材库特征集AA的方法包括如下步骤:
[0012] 步骤一,对素材库特征集A进行多次迭代数据采样;
[0013] 步骤二,将素材库特征集A的采样数据集分成N个类别层;
[0014] 步骤三,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
[0015] 步骤四,然后将步骤三抽取的特征集采样数据组合在一起,得到新的素材库特征集AA={AA1,AA2...AAn}。
[0016] 作为本发明的进一步改进,在所述步骤1中,形成新的元素属性特征集BB的方法包括如下步骤:
[0017] 步骤a,对元素属性特征集B进行多次迭代数据采样;
[0018] 步骤b,将元素属性特征集B的采样数据集分成N个类别层;
[0019] 步骤c,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
[0020] 步骤d,然后将步骤c抽取的特征集采样数据组合在一起,得到新的元素属性特征集BB={BB1,BB2...BB3}。
[0021] 本发明还提供了一种基于机器学习智能生成设计作品的系统,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现本发明所述的方法的步骤。
[0022] 本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的方法的步骤。
[0023] 本发明的有益效果是:本发明对原始的海报、Banner、活动页等等设计工作训练,获得海报、Banner、活动页素材库特征及相应的元素属性;不断优化海报、Banner、活动页特征数据,利用学习到特征数据智能生成海报、Banner、活动页等设计工作,大大提高制作海报、Banner、活动页等设计工作的效率,减少人工成本。附图说明
[0024] 图1是本发明的原理框图
[0025] 图2是本发明的方法流程图

具体实施方式

[0026] 如图1所示,本发明公开了一种基于机器学习智能生成设计作品的方法,包括如下步骤:
[0027] 步骤1,获得特征集,特征集包括:
[0028] 对设计作品历史数据训练抽取素材库特征,获得素材库特征集A={A1,A2...An},对素材库特征集A进行采样形成新的素材库特征集AA={AA1,AA2...AAn};
[0029] 对设计作品历史数据训练抽取元素属性特征,获得元素属性特征集B={B1,B2...Bn},对元素属性特征集B进行采样形成新的元素属性特征集BB={BB1,BB2...BB3};
[0030] 步骤2,预测模型对特征集AA、BB综合学习,采用随机森林方法随机生成特征矩阵,采用
[0031] 方法进行分析学习
[0032] 矩阵
[0033] 矩阵
[0034] .....
[0035] 矩阵 等等,最终等得到s个矩阵决策树集S;
[0036] 步骤3,需要生成新的设计作品时,只需提供素材特征属性、元素特征、尺寸属性;预测模型将采用决策树集S对新的设计作品的素材特征、元素属性特征进行综合分析,将会得到s个分类结果,统计计数分析s类,数目越大分类则越多。
[0037] 所述设计作品包括但不限于设计中的海报、Banner、活动页、logo、ppt、名片。
[0038] 素材库特征包括动物、人物、物品、商品。元素属性特征包括横屏、竖屏、多图。
[0039] 通过机器去模仿和学习我们积累与沉淀下来的设计规则,并替代掉普通的设计师的“人”工作。本发明利用学习设计框架特征智能生成海报、Banner、活动页、logo、名片、ppt等等一些列可重复性的有规则的设计方法与工作;大大提高设计工作的效率,减少人工成本;减少设计师花在重复工作上的时间,增加设计师创造性工作的时间。
[0040] 在所述步骤1中,形成新的素材库特征集AA的方法包括如下步骤:
[0041] 步骤一,对素材库特征集A进行多次迭代数据采样;
[0042] 步骤二,将素材库特征集A的采样数据集分成N个类别层;
[0043] 步骤三,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
[0044] 步骤四,然后将步骤三抽取的特征集采样数据组合在一起,得到新的素材库特征集AA={AA1,AA2...AAn}。
[0045] 在所述步骤1中,形成新的元素属性特征集BB的方法包括如下步骤:
[0046] 步骤a,对元素属性特征集B进行多次迭代数据采样;
[0047] 步骤b,将元素属性特征集B的采样数据集分成N个类别层;
[0048] 步骤c,再从每个类别层按照 抽取特征集采样数据,NM为层M样本数,L为阶层数,N总层数;
[0049] 步骤d,然后将步骤c抽取的特征集采样数据组合在一起,得到新的元素属性特征集BB={BB1,BB2...BB3}。
[0050] 本发明还公开了一种基于机器学习智能生成设计作品的系统,包括:存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现本发明所述的方法的步骤。
[0051] 本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的方法的步骤。
[0052] 本发明对原始的海报、Banner、活动页等设计工作训练,获得海报、Banner、活动页素材库特征及相应的元素属性;不断优化设计模板的特征数据,利用学习到特征数据智能生成设计作品,大大提高制作海报、Banner、活动页等等设计工作的效率,减少人工成本。
[0053] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈