[发明专利]训练对抗神经网络生成字库的方法、系统、设备和介质

权利要求书

1.一种训练对抗神经网络生成字库的方法，其特征在于，包括如下步骤：

获取具有字形编码标签和字体类别标签的字体训练数据集；

构建生成器和判别器神经网络；

所述生成器以随机噪声和字形编码标签的编码特征向量作为输入，输出生成数据；

从所述字体训练数据集随机抽取部分真实数据和所述生成数据送入所述判别器得到具有风格特征的输出；

将风格特征对应的风格一致性损失作为综合损失项的一部分更新判别器和生成器中的参数；

所述风格一致性损失为：

，其中，和表示输入数据中的字体类别标签，sim表示对两组特征之间计算相似度，表示温度常数。

2.如权利要求1所述的训练对抗神经网络生成字库的方法，其特征在于，所述综合损失项还包括由判别器生成的真假判别对抗损失和分类辅助损失。

3.如权利要求2所述的训练对抗神经网络生成字库的方法，其特征在于，所述综合损失项表示为：

其中λ₁和λ₂为损失权重常数量，为真假判别对抗损失，为分类辅助损失，为风格一致性损失。

4.如权利要求2或3所述的训练对抗神经网络生成字库的方法，其特征在于，所述真假判别对抗损失为：

，

其中，表示真实数据经过判别器后的真假判别分数，相应的 表示生成数据经过判别器后的真假判别分数；

所述分类辅助损失为：

，

其中，表示真实数据经过判别网络分类后输出的分类结果，c_real为真实数据的字形编码标签，CE表示交叉熵损失。

5.一种训练对抗神经网络生成字库的系统，其特征在于，包括：

真实数据获取模块，获取具有字形编码标签和字体类别标签的字体训练数据集；

生成器和判别器构建模块，用于构建生成器和判别器神经网络；

生成数据获取模块，所述生成器以随机噪声和字形编码标签的编码特征向量作为输入，输出生成数据；

前向传播模块，从所述字体训练数据集随机抽取部分真实数据和所述生成数据送入所述判别器得到具有风格特征的输出；

参数更新模块，将风格特征对应的风格一致性损失作为综合损失项的一部分更新判别器和生成器中的参数；所述风格一致性损失为：

，其中，和表示输入数据中的字体类别标签，sim表示对两组特征之间计算相似度，表示温度常数。

6.如权利要求5所述的训练对抗神经网络生成字库的系统，其特征在于，所述综合损失项还包括由判别器生成的真假判别对抗损失和分类辅助损失。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述的训练对抗神经网络生成字库的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至4任一项所述的训练对抗神经网络生成字库的方法的步骤。