[发明专利]结构化图片自动转换为源代码的方法有效
申请号: | 201810863511.4 | 申请日: | 2018-08-01 |
公开(公告)号: | CN108921911B | 公开(公告)日: | 2021-03-09 |
发明(设计)人: | 陈恩红;刘淇;阴钰;黄振亚 | 申请(专利权)人: | 中国科学技术大学 |
主分类号: | G06T9/00 | 分类号: | G06T9/00 |
代理公司: | 北京凯特来知识产权代理有限公司 11260 | 代理人: | 郑立明;郑哲 |
地址: | 230026 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 结构 图片 自动 转换 源代码 方法 | ||
1.一种结构化图片自动转换为源代码的方法,其特征在于,包括:
获取结构化图片及源代码;
使用基于深度残差网络的图像编码器,对结构化图片进行编码,从图像中提取特征向量;
采用基于聚光灯机制的解码器结合提取的特征向量及相应的源代码,来计算语法符号的分布,并依照编码-解码器模型建模源代码生成过程,进而实现图片到源代码的自动转换;
其中,采用聚光灯机制结合图片特征向量V获得时刻t产生语法符号的分布,时刻t的聚焦信息包含聚焦句柄st,以及根据聚焦句柄决定的聚焦向量sct;
所述聚焦句柄st表示为st=(cxt,cyt,σt);其中,(cxt,cyt)表示聚光灯中心所在位置,σt表示聚光灯半径;
聚焦向量依据提取的图片特征向量V以及聚焦句柄st获得,方式如下:
在时刻t,对于图片特征向量V中每个位置的向量V(i,j)定义权重权重将服从如下高斯分布:
其中,i=1,...,W';j=1,...,H',W',H'为经过基于深度残差网络的图像编码器后得到的特征层的宽和高;
该高斯分布的均值μt、方差Σt分别为:
μt=(cxt,cyt)T
依据高斯分布的定义,将权重改写为:
构造两个与图片特征向量V等大的W'×H'的矩阵I和J,在矩阵I和J的每个点(i,j)处,令I(i,j)=i,J(i,j)=j;并扩展cxt和cyt为W'×H'的矩阵,分别记作Xt,Yt,即令则将bt的计算写为矩阵形式:
计算得到权重α(i,j)后,聚焦向量sct则为特征向量V中位置向量V(i,j)的加权平均:
2.根据权利要求1所述的一种结构化图片自动转换为源代码的方法,其特征在于,所述获取结构化图片及源代码包括:
确定当前领域的图像编译器,再收集不同的结构化图片及对应源代码,或者只收集源代码,通过图像编译器产生结构化图片。
3.根据权利要求1所述的一种结构化图片自动转换为源代码的方法,其特征在于,所述使用基于深度残差网络的图像编码器,对结构化图片进行编码,从图像中提取特征向量包括:
对于结构化图片x,将使用基于深度残差网络的图像编码器得到结构化图片的一组特征V,表示为:
V={V(i,j):i=1,...,W';j=1,...,H'},
其中,V表示获得的一组特征向量,W',H'为经过基于深度残差网络的图像编码器后得到的特征层的宽和高,D为特征维度,每个位置的向量V(i,j)代表了对应区域的特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810863511.4/1.html,转载请声明来源钻瓜专利网。