【技術實現步驟摘要】
本專利技術涉及機器學習，尤其涉及一種卡面背景的生成方法、裝置、設備、存儲介質及產品。
技術介紹
1、隨著近幾年金融科技的快速發展，銀行卡定制已經成為現代銀行業中一個常見的服務。銀行卡定制服務讓用戶的支付體驗更加個性化，能有效提升客戶滿意度。在銀行卡定制的個性化卡面設計中，背景圖案是影響整個銀行卡觀感的關鍵因素。但背景圖案的設計或者拍攝往往需要花費大量的資源。
2、在現有技術中，可以利用深度學習中的生成模型進行背景圖案的生成。深度學習(deep?learning，dl)是近幾年的研究熱點，它屬于機器學習的一個分支，以損失函數作為生成模型的約束條件，在訓練過程中逐步擬合數據集，利用模型的強大計算能力獲取該數據集的真實分布，然后利用生成模型生成與輸入數據集同分布的圖像。由于生成時帶有一定隨機性，生成模型可以生成巨量的新圖像。現在生成模型中使用的損失函數存在著重優化異常值且不關注圖像空間信息的確定的問題，因此其生成的圖像容易存在色彩失真和圖像模糊等問題，無法獲得較好的生成質量。
技術實現思路
1、本專利技術提供了一種卡面背景的生成方法、裝置、設備、存儲介質及產品，以實現卡面背景所需圖像的高質量生成。
2、根據本專利技術的一方面，提供了一種卡面背景的生成方法，包括：
3、獲取原始圖像；
4、將所述原始圖像作為目標生成模型的輸入數據，將所述原始圖像輸入所述目標生成模型，得到所述目標生成模型輸出的至少一個備選圖像；
5、確定卡面定制信息
6、進一步地，所述目標生成模型為自編碼器模型。
7、進一步地，所述目標生成模型的訓練方法包括：
8、獲取訓練圖像；
9、將所述訓練圖像輸入待訓練的所述目標生成模型，通過所述目標生成模型對所述訓練圖像進行多級分解得到不同頻率的高頻信息與低頻信息，并將所述高頻信息與所述低頻信息重建得到重建圖像；
10、根據預設的損失函數，確定所述重建圖像與所述訓練圖像之間的誤差，根據所述誤差調整所述目標生成模型的參數，直到訓練結束。
11、進一步地，所述損失函數包括小波損失函數，所述小波損失函數根據不同頻率信息的損失函數加權求和確定。
12、進一步地，訓練結束之后，還包括：
13、根據預設的評價指標對所述目標生成模型進行評價。
14、進一步地，所述評價指標包括圖像高頻信噪比，所述圖像高頻信噪比根據所述高頻信息在所述目標生成模型中重建前后的差異確定。
15、根據本專利技術的另一方面，提供了一種卡面背景的生成裝置，包括：
16、原始圖像獲取模塊，用于獲取原始圖像；
17、備選圖像生成模塊，用于將所述原始圖像作為目標生成模型的輸入數據，將所述原始圖像輸入所述目標生成模型，得到所述目標生成模型輸出的至少一個備選圖像；
18、卡面背景生成模塊，用于確定卡面定制信息及所述備選圖像中的目標圖像，根據所述卡面定制信息及所述目標圖像生成卡面背景。
19、可選的，所述目標生成模型為自編碼器模型。
20、可選的，所述裝置還包括模型訓練模塊，用于：
21、獲取訓練圖像；
22、將所述訓練圖像輸入待訓練的所述目標生成模型，通過所述目標生成模型對所述訓練圖像進行多級分解得到不同頻率的高頻信息與低頻信息，并將所述高頻信息與所述低頻信息重建得到重建圖像；
23、根據預設的損失函數，確定所述重建圖像與所述訓練圖像之間的誤差，根據所述誤差調整所述目標生成模型的參數，直到訓練結束。
24、可選的，所述損失函數包括小波損失函數，所述小波損失函數根據不同頻率信息的損失函數加權求和確定。
25、可選的，所述裝置還包括模型評價模塊，用于：
26、根據預設的評價指標對所述目標生成模型進行評價。
27、可選的，所述評價指標包括圖像高頻信噪比，所述圖像高頻信噪比根據所述高頻信息在所述目標生成模型中重建前后的差異確定。
28、根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
29、至少一個處理器；以及
30、與所述至少一個處理器通信連接的存儲器；其中，
31、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本專利技術任一實施例所述的卡面背景的生成方法。
32、根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本專利技術任一實施例所述的卡面背景的生成方法。
33、根據本專利技術的另一方面，提供了一種計算機程序產品，所述計算機程序產品包括計算機程序/指令，所述計算機程序/指令被處理器執行時實現本專利技術任一實施例所述的卡面背景的生成方法的步驟。
34、本專利技術公開的卡面背景的生成方法，首先獲取原始圖像；然后將原始圖像作為目標生成模型的輸入數據，將原始圖像輸入目標生成模型，得到目標生成模型輸出的至少一個備選圖像；最后確定卡面定制信息及備選圖像中的目標圖像，根據卡面定制信息及目標圖像生成卡面背景。本專利技術公開的卡面背景的生成方法，利用生成模型生成卡面背景所需的圖像，可以快速生成高質量圖像，提升個性化卡面設計的質量。
35、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種卡面背景的生成方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述目標生成模型為自編碼器模型。
3.根據權利要求2所述的方法，其特征在于，所述目標生成模型的訓練方法包括：
4.根據權利要求3所述的方法，其特征在于，所述損失函數包括小波損失函數，所述小波損失函數根據不同頻率信息的損失函數加權求和確定。
5.根據權利要求3所述的方法，其特征在于，訓練結束之后，還包括：
6.根據權利要求5所述的方法，其特征在于，所述評價指標包括圖像高頻信噪比，所述圖像高頻信噪比根據所述高頻信息在所述目標生成模型中重建前后的差異確定。
7.一種卡面背景的生成裝置，其特征在于，包括：
8.一種電子設備，其特征在于，所述電子設備包括：
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-6中任一項所述的卡面背景的生成方法。
10.一種計算機程序產品，包括計算機程序/指令，其特征在于，所述計算機程序/
...【技術特征摘要】
1.一種卡面背景的生成方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述目標生成模型為自編碼器模型。
3.根據權利要求2所述的方法，其特征在于，所述目標生成模型的訓練方法包括：
4.根據權利要求3所述的方法，其特征在于，所述損失函數包括小波損失函數，所述小波損失函數根據不同頻率信息的損失函數加權求和確定。
5.根據權利要求3所述的方法，其特征在于，訓練結束之后，還包括：
6.根據權利要求5所述的方法，其特征在于，所述評價指標包括圖像高頻信噪比，所述圖...
【專利技術屬性】
技術研發人員：王虎，
申請(專利權)人：中國農業銀行股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。