预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113888665A(43)申请公布日2022.01.04(21)申请号202111481017.X(22)申请日2021.12.07(71)申请人杭州启博海纳数字科技有限公司地址311121浙江省杭州市余杭区仓前街道欧美金融城2幢4001室(72)发明人胡建军陆宇峰沈益飞周芸芸(74)专利代理机构北京索睿邦知识产权代理有限公司11679代理人朱玲(51)Int.Cl.G06T11/00(2006.01)G06F16/955(2019.01)G06F40/186(2020.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于Puppeteer和CGAN的海报自主生成系统(57)摘要本发明公开了一种基于Puppeteer和CGAN的海报自主生成系统,包括客户端、业务服务端、CGAN推理服务器,所述客户端用于和客户进行交互,接收客户指令输入和输出最终海报生成结果,所述业务服务端用于执行截图操作和渲染海报图片,所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片。该系统改变了传统的海报设计模式,提高了海报的设计效率,且该系统和已有代码解耦,无需考虑兼容和跨域,减小了对该系统二次开发和维护的成本,具有简洁高效、实用性强的特点。CN113888665ACN113888665A权利要求书1/2页1.一种基于Puppeteer和CGAN的海报自主生成系统,由客户端、业务服务端、CGAN推理服务器组成,其特征在于,工作流程包括以下步骤:步骤1,所述客户端用于和客户进行交互,接收客户指令输入,并和所述业务服务端保持连接,进一步地,向所述业务服务端发送消息a;步骤2,所述业务服务端用于执行截图操作,从所述客户端接收消息a,对消息a进行解析,并将解析的图片A发送给所述CGAN推理服务器;步骤3,所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片,从所述业务服务端接收图片A,执行相应的操作,并将操作后的图片B返回给所述业务服务端;步骤4,所述业务服务端还用于渲染海报图片,从所述CGAN推理服务器接收图片B,执行相应的操作,并将操作后的消息b通过连接返回给所述客户端。2.根据权利1所述的一种基于Puppeteer和CGAN的海报自主生成系统,其特征在于,步骤1包含以下子步骤:步骤1.1,在Linux服务器上部署所述业务服务端,并配置进程数量等于Puppeteer控制的HeadlessChrome个数;步骤1.2,所述业务服务端开启web服务,接收外部的连接请求;步骤1.3,所述客户端接收用户指令输入,并将输入的指令编译成消息a,具体地,消息a为JSON格式,其结构为:{"webpage":"URL","clip":{"x":0,"y":0,"width":375,"height":667},"encoding":"encoding"}其中,webpage表示网页地址,clip表示生成海报的大小,width和height表示生成海报的宽和高,encoding表示生成海报的方式;步骤1.4,将编译后的消息a通过连接发送给所述业务服务端。3.根据权利2所述的一种基于Puppeteer和CGAN的海报自主生成系统,其特征在于,所述的在Linux服务器上部署所述业务服务端,具体地,在编写Html页面的时候指定了某一个远程字体库,来防止打开网页地址后可能出现的中文字体乱码。4.根据权利1所述的一种基于Puppeteer和CGAN的海报自主生成系统,其特征在于,步骤2包含以下子步骤:步骤2.1,所述业务服务端接收消息a,并对消息a进行解析,具体地,解析出消息a中的网页地址;步骤2.2,通过调用Puppeteer库来控制HeadlessChrome,打开网页地址并进行屏幕截图;步骤2.3,将屏幕截图作为图片A,通过连接发送给所述CGAN推理服务器。5.根据权利1所述的一种基于Puppeteer和CGAN的海报自主生成系统,其特征在于,步骤3包含以下子步骤:步骤3.1,收集特定风格的海报图片,按照一定比例划分训练集和验证集;步骤3.2,在GPU服务器上,设置最优权重值=8,=1,=7,选择Adam优化器,设置学习率=0.0001,β1=0.5,β2=0.999,并且批处理大小设置为6,迭代次数设置50,进行CGAN模型训练;2CN113888665A权利要求书2/2页步骤3.3,对训练好的模型,以生成的数据和真实的数据进行对比分析,并根据分析的结果对训练参数进行调优,以及更新训练的数据,直到训练的模型达到效果最优;步骤3.4,CGAN模型训练完成后,部署在业务服务端所在的同一台Linux服务器上,并对模型进行转换来实现推理服务,具体地,接收所述业务服务端传输的图片A