[发明专利]字体生成模型训练方法、字库建立方法、装置及设备

权利要求书

1.一种字体生成模型训练方法，包括：

将源域样本字输入到字体生成模型，得到第一目标域生成字；

将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失；

将所述第一目标域生成字和所述目标域样本字输入到字体分类模型，得到所述字体生成模型的第二特征损失；

根据所述第一特征损失和所述第二特征损失确定目标特征损失；

根据所述目标特征损失更新所述字体生成模型的模型参数；

其中，所述字符分类模型包括多个特征层；所述将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失，包括：

将所述第一目标域生成字输入到所述字符分类模型，得到所述字符分类模型的每个特征层输出的第一生成字特征图；

将所述目标域样本字输入到所述字符分类模型，得到所述字符分类模型的每个特征层输出的第一样本字特征图；

计算目标特征层的第一生成字特征图和第一样本字特征图之间的像素差异，得到所述目标特征层的第一像素损失；

根据所述目标特征层的第一像素损失计算所述第一特征损失；

其中，所述字体分类模型包括多个特征层；所述将所述第一目标域生成字和所述目标域样本字输入到字体分类模型，得到所述字体生成模型的第二特征损失，包括：

将所述第一目标域生成字输入到所述字体分类模型，得到所述字体分类模型的每个特征层输出的第二生成字特征图；

将所述目标域样本字输入到所述字体分类模型，得到所述字体分类模型的每个特征层输出的第二样本字特征图；

计算所述目标特征层的第二生成字特征图和第二样本字特征图之间的像素差异，得到所述目标特征层的第二像素损失；

根据所述目标特征层的第二像素损失计算所述第二特征损失。

2.根据权利要求1所述的方法，其中，所述计算所述目标特征层的第一生成字特征图和第一样本字特征图之间的像素差异，包括：

计算所述第一生成字特征图中的每个位置的像素点的像素值与所述第一样本字特征图中对应位置的像素点的像素值之间的差值的绝对值，得到每个位置的像素点的差异；

根据多个位置的像素点的差异，确定所述第一生成字特征图和第一样本字特征图之间的像素差异。

3.根据权利要求1所述的方法，其中，所述计算所述目标特征层的第二生成字特征图和第二样本字特征图之间的像素差异，包括：

计算所述第二生成字特征图中的每个位置的像素点的像素值与所述第二样本字特征图中对应位置的像素点的像素值之间的差值的绝对值，得到每个位置的像素点的差异；

根据多个位置的像素点的差异，确定所述第二生成字特征图和第二样本字特征图之间的像素差异。

4.根据权利要求1所述的方法，其中，所述字体生成模型为循环网络生成模型，包括第一生成模型和第二生成模型；

所述将源域样本字输入到字体生成模型，得到第一目标域生成字，包括：

将所述源域样本字输入到所述第一生成模型，得到所述第一目标域生成字和第一源域生成字；

所述方法还包括：

将所述目标域样本字输入到所述第二生成模型，得到第二目标域生成字和第二源域生成字；

根据所述源域样本字、所述第一目标域生成字、所述第一源域生成字、所述目标域样本字、所述第二目标域生成字和所述第二源域生成字，计算所述字体生成模型的生成损失；

根据所述生成损失更新所述第一生成模型的模型参数。

5.根据权利要求4所述的方法，还包括：

将所述第一目标域生成字输入到所述字符分类模型，计算所述字体生成模型的字符损失；

所述根据所述目标特征损失更新所述字体生成模型的模型参数，包括：

根据所述字符损失和所述目标特征损失更新所述第一生成模型的模型参数。