一种基于物联网可视化界面的AI作图模型训练方法及系统

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于物联网可视化界面的AI作图模型训练方法及系统。

背景技术

目前的物联网可视化界面，通常是通过人为的方式生成。专业人员根据物联网可视化界面所需要展现的模块，从素材库中筛选出对应的素材，并根据自身的专业知识，将素材绘制为物联网可视化界面，然后在该可视化界面中展示模块中的信息。

然而，现有的这种可视化界面生成方式，过于依赖人工，不仅效率低，还容易出错。

鉴于此，目前需要一种智能的AI作图模型，通过该AI作图模型能够自动绘制出符合要求的图像。

发明内容

本发明提供一种基于物联网可视化界面的AI作图模型训练方法及系统，能够训练出精度较高的AI作图模型。

鉴于此，本发明一方面提供一种基于物联网可视化界面的AI作图模型训练方法，所述方法包括：

获取表征相同界面内容的第一图像样本和第二图像样本，并基于所述第一图像样本和所述第二图像样本之间的画质差异，生成差异数据；

对所述差异数据进行插桩，生成包含插桩数据的训练样本，其中，所述插桩数据在运行时，用于生成所述差异数据表征的画质变化信息；

通过AI作图模型对所述包含插桩数据的训练样本进行处理，以预测所述训练样本的画质变化信息，并根据预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，对所述AI作图模型进行校正。

在一个实施方式中，基于所述第一图像样本和所述第二图像样本之间的画质差异，生成差异数据包括：

分别将所述第一图像样本和所述第二图像样本转换为第一频域数据和第二频域数据，并将所述第一频域数据和所述第二频域数据之间，在各个频率点处的差异作为生成的差异数据。

在一个实施方式中，对所述差异数据进行插桩包括：

在所述差异数据的起始行和终止行分别插入画质检测代码，所述画质检测代码在运行时，用于对所述差异数据的画质变化进行检测。

在一个实施方式中，所述方法还包括：

在得到完成训练的AI作图模型后，将第一图像和第二图像输入所述AI作图模型，以通过所述AI作图模型确定所述第一图像和所述第二图像之间的差异数据，并基于所述差异数据确定所述第一图像和所述第二图像中画质较优的图像。

在一个实施方式中，所述预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，通过交叉熵表示。

本发明另一方面还提供一种基于物联网可视化界面的AI作图模型训练系统，所述系统包括：

差异数据生成单元，用于获取表征相同界面内容的第一图像样本和第二图像样本，并基于所述第一图像样本和所述第二图像样本之间的画质差异，生成差异数据；

样本生成单元，用于对所述差异数据进行插桩，生成包含插桩数据的训练样本，其中，所述插桩数据在运行时，用于生成所述差异数据表征的画质变化信息；

校正单元，用于通过AI作图模型对所述包含插桩数据的训练样本进行处理，以预测所述训练样本的画质变化信息，并根据预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，对所述AI作图模型进行校正。

在一个实施方式中，所述差异数据生成单元具体用于，分别将所述第一图像样本和所述第二图像样本转换为第一频域数据和第二频域数据，并将所述第一频域数据和所述第二频域数据之间，在各个频率点处的差异作为生成的差异数据。

在一个实施方式中，所述样本生成单元具体用于，在所述差异数据的起始行和终止行分别插入画质检测代码，所述画质检测代码在运行时，用于对所述差异数据的画质变化进行检测。

本发明提供的技术方案，通过对差异数据进行学习，可以将模型的注意力更好地集中在表征画质变化明显的数据上，从而使得模型具备更好的鉴别画质的能力。这样，针对自动生成的AI作画结果，可以识别出哪一次的作画结果更优，从而提高了最终生成的画质。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于物联网可视化界面的AI作图模型训练方法的步骤示意图；

图2为本发明实施例中一种基于物联网可视化界面的AI作图模型训练系统的功能模块示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

请参阅图1，本发明一方面提供一种基于物联网可视化界面的AI作图模型训练方法，所述方法包括以下多个步骤。

S1：获取表征相同界面内容的第一图像样本和第二图像样本，并基于所述第一图像样本和所述第二图像样本之间的画质差异，生成差异数据；

S2：对所述差异数据进行插桩，生成包含插桩数据的训练样本，其中，所述插桩数据在运行时，用于生成所述差异数据表征的画质变化信息；

S3：通过AI作图模型对所述包含插桩数据的训练样本进行处理，以预测所述训练样本的画质变化信息，并根据预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，对所述AI作图模型进行校正。

具体地，第一图像样本和第二图像样本尽管表征相同界面内容，但局部的画质可能存在差异。在这种情况下，可以对图像样本进行傅里叶变换，转换为第一频域数据和第二频域数据，在各个频率点上，第一频域数据和第二频域数据可能不完全相同，针对各个频率点处的差异，可以作为生成的差异数据。

针对差异数据，可以进行代码插桩，从而生成训练样本。后续在对训练样本进行处理时，插桩的代码会自动运行，从而检测差异数据表征的画质变化信息。具体地，在一个实施方式中，可以在所述差异数据的起始行和终止行分别插入画质检测代码，所述画质检测代码在运行时，用于对所述差异数据的画质变化进行检测。

在本实施方式中，插桩代码检测得到的画质变化信息可以作为训练样本的标签，将训练样本输入AI作画模型后，可以预测得到画质变化信息，预测得到的画质变化信息可能与插桩代码检测得到的画质变化信息不一致，鉴于此可以计算出两者之间的误差，从而利用该误差对AI作画模型进行校正，以使得校正后的AI作画模型预测得到的画质变化信息与插桩代码检测得到的画质变化信息保持一致。

在一个实施方式中，所述方法还包括：

在得到完成训练的AI作图模型后，将第一图像和第二图像输入所述AI作图模型，以通过所述AI作图模型确定所述第一图像和所述第二图像之间的差异数据，并基于所述差异数据确定所述第一图像和所述第二图像中画质较优的图像。

在一个实施方式中，所述预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，通过交叉熵表示。

请参阅图2，本发明另一方面还提供一种基于物联网可视化界面的AI作图模型训练系统，所述系统包括：

差异数据生成单元，用于获取表征相同界面内容的第一图像样本和第二图像样本，并基于所述第一图像样本和所述第二图像样本之间的画质差异，生成差异数据；

样本生成单元，用于对所述差异数据进行插桩，生成包含插桩数据的训练样本，其中，所述插桩数据在运行时，用于生成所述差异数据表征的画质变化信息；

校正单元，用于通过AI作图模型对所述包含插桩数据的训练样本进行处理，以预测所述训练样本的画质变化信息，并根据预测得到的画质变化信息和所述差异数据表征的画质变化信息之间的误差，对所述AI作图模型进行校正。

在一个实施方式中，所述差异数据生成单元具体用于，分别将所述第一图像样本和所述第二图像样本转换为第一频域数据和第二频域数据，并将所述第一频域数据和所述第二频域数据之间，在各个频率点处的差异作为生成的差异数据。

在一个实施方式中，所述样本生成单元具体用于，在所述差异数据的起始行和终止行分别插入画质检测代码，所述画质检测代码在运行时，用于对所述差异数据的画质变化进行检测。

本发明提供的技术方案，通过对差异数据进行学习，可以将模型的注意力更好地集中在表征画质变化明显的数据上，从而使得模型具备更好的鉴别画质的能力。这样，针对自动生成的AI作画结果，可以识别出哪一次的作画结果更优，从而提高了最终生成的画质。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。