申请/专利权人:湖南董因信息技术有限公司
申请日:2024-03-07
公开(公告)日:2024-06-14
公开(公告)号:CN117853378B
主分类号:G06T5/77
分类号:G06T5/77;G06V10/82;G06V30/19;G06T5/60
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了基于度量学习的文字笔迹显示方法,包括:构建笔迹恢复模型,包括视觉编码器和笔迹点序列解码器;收集成对的文字图像和笔迹点序列数据,获得笔迹恢复数据集;根据文字内容对文字图像和笔迹点序列数据进行采样,获得样本矩阵;使用视觉编码器把文字图像编码为视觉特征向量;把视觉特征向量输入笔迹点序列解码器中,输出预测笔迹点序列;对视觉特征向量计算度量学习损失函数;对预测笔迹点数据计算笔迹恢复损失函数;对度量学习损失函数和笔迹恢复损失函数计算联合损失函数,用联合损失函数优化笔迹恢复模型;用优化后的笔迹恢复模型进行笔迹恢复,对恢复后的笔迹进行显示。
主权项:1.基于度量学习的文字笔迹显示方法,其特征在于,所述方法包括:步骤1,构建笔迹恢复模型,包括视觉编码器和笔迹点序列解码器;步骤2,收集成对的文字图像和笔迹点序列数据,获得笔迹恢复数据集;步骤3,根据文字内容对文字图像和笔迹点序列数据进行采样,获得样本矩阵;步骤4,使用视觉编码器把文字图像编码为视觉特征向量;步骤5,把视觉特征向量输入笔迹点序列解码器中,输出预测笔迹点序列;步骤6,对视觉特征向量计算度量学习损失函数;步骤7,对预测笔迹点数据计算笔迹恢复损失函数;步骤8,对度量学习损失函数和笔迹恢复损失函数计算联合损失函数,用联合损失函数优化笔迹恢复模型;步骤9,用优化后的笔迹恢复模型进行笔迹恢复,对恢复后的笔迹进行显示;所述的对视觉特征向量计算度量学习损失函数,包括以下步骤:步骤601,计算挑选出的样本的每类汉字的类中心特征;第i个汉字的类中心特征由第i个汉字对应的M个文字图像的视觉特征向量取均值获得,表达式为: ;其中,表示第i个汉字的类中心特征,表示挑选出的第i个汉字对应的第j个文字图像的视觉特征向量,为挑选出的汉字个数;步骤602,计算度量学习损失函数,表达式为: ;其中,表示度量学习损失函数,表示a和b的相似度函数,表达式为: ;其中,表示向量a,b的相似度函数,表示向量a,b的内积,表示向量a,b的模的乘积。
全文数据:
权利要求:
百度查询: 湖南董因信息技术有限公司 基于度量学习的文字笔迹显示方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。