[发明专利]基于多尺度特征解码的前端代码生成方法、系统及设备

说明书

本公开公开了基于多尺度特征解码的前端代码生成方法、系统及设备，获取待生成前端代码的前端图像；利用预训练的卷积神经网络，从待生成前端代码的前端图像中提取图像特征向量；将提取的图像特征向量，输入到预训练的多尺度长短期记忆网络LSTM中，输出目标前端代码。该方法通过应用深度学习技术训练出一个深度神经网络的端到端模型，可以直接将给定的UI界面自动转化为目标代码，从而让前端开发工程师把主要精力放于逻辑交互功能的实现上，从而减轻他们的工作负担并提高软件的开发效率。

技术领域

本公开涉及软件开发与自动化维护技术领域，特别是涉及基于多尺度特征解码的前端代码生成方法、系统及设备。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

伴随着互联网的发展，特别是移动互联网的大规模普及，前端界面在用户与互联网交互中起着重要的作用。上网者可以通过用户界面进行浏览、查询等基本操作，目前前端界面主要包括两种，分别为以Web形式存在的网页端界面和以iOS、Android为代表的移动端界面。

在传统的前端开发过程中，前端开发工程师需要将设计师给出的UI界面转化为相应的前端代码。由于用户界面十分复杂，前端开发工程师不仅要编写UI界面，还要编写对应的交互逻辑，这就使得对应的前端代码量巨大。并且编写UI界面的工作中有着大量重复的标签元素，导致前端开发工作繁琐且工作重复性很大。

发明内容

为了解决现有技术的不足，本公开提供了基于多尺度特征解码的前端代码生成方法、系统及设备；该方法通过应用深度学习技术训练出一个深度神经网络的端到端模型，可以直接将给定的UI界面自动转化为目标代码，从而让前端开发工程师把主要精力放于逻辑交互功能的实现上，从而减轻他们的工作负担并提高软件的开发效率。

第一方面，本公开提供了基于多尺度特征解码的前端代码生成方法；

基于多尺度特征解码的前端代码生成方法，包括：

获取待生成前端代码的前端图像；

利用预训练的卷积神经网络，从待生成前端代码的前端图像中提取图像特征向量；

将提取的图像特征向量，输入到预训练的多尺度长短期记忆网络LSTM中，输出目标前端代码。

第二方面，本公开还提供了基于多尺度特征解码的前端代码生成系统；

基于多尺度特征解码的前端代码生成系统，包括：

获取模块，用于获取待生成前端代码的前端图像；

提取模块，用于利用预训练的卷积神经网络，从待生成前端代码的前端图像中提取图像特征向量；

前端代码生成模块，用于将提取的图像特征向量，输入到预训练的多尺度长短期记忆网络LSTM中，输出目标前端代码。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

与现有技术相比，本公开的有益效果是：与传统的前端开发工作相比，本发明基于深度学习技术自动生成前端代码，由机器自动完成从图像到代码的工作，大大提高了开发效率。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。