买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜大连理工大学申请的专利一种基于改进版文本解析器的文本至图像生成算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115018941B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210560027.0，技术领域涉及：G06T11/00；该发明授权一种基于改进版文本解析器的文本至图像生成算法是由盛昳媛;许圣;赖越;叶子旺;刘秀平设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本一种基于改进版文本解析器的文本至图像生成算法在说明书摘要公布了：本发明属于计算机视觉技术领域，具体涉及一种基于改进版文本解析器的文本至图像生成算法。本发明是一种端到端从文本到图像的生成器，它可以解析文本，提取出主、谓、宾三元组，从而生成符合文本描述的布局图，最终依据布局生成图像。本发明标注词性，识别文本并提取出文本中主、谓、宾三元组，然后通过人工分类网络及学习出来的关系自动分类网络进行6种几何映射，从而依据最终三元组生成符合文本描述的布局图。基于语义表达的多样性，我们的映射关系是一对多而非一对一的，如此得到的布局图也具有多样性。最后我们从布局图得到复杂场景，并融合了风格迁移，可生成具有特殊风格的图像。

本发明授权一种基于改进版文本解析器的文本至图像生成算法在权利要求书中公布了：1.一种基于改进版文本解析器的文本至图像生成算法，其特征在于，该方法包括以下步骤：步骤S1：提取COCO数据集中的文本信息并进行统计与分类，完成信息统计工作；步骤S2：基于精细分类构建关系映射数据集，并将其划分训练集、验证集与测试集；步骤S3：构建关系自动分类网络，并基于步骤S2中的分类数据集进行预训练，实现复杂语义关系到几何空间关系的映射；所述步骤S3具体为：步骤S31：构建embeddinglayer模块，即使用预训练好的word2vec模型，得到文本、三元组、关系词中分别对应的词嵌入向量，具体而言：该模块中，文本t、每个三元组ci以及关系词ri都输入到加载了预训练权重的word2vec模型中，分别得到文本嵌入向量三元组嵌入向量与词向量的特征步骤S32：构建LSTM网络，对文本及三元组的嵌入向量进行进一步处理，提取语义特征向量；即在每个LSTM单元利用遗忘门控制决定丢弃上一层中的文本特征信息，利用输入门存放有效的文本特征信息，利用输出门对每层的输出文本信息进行过滤；将文本嵌入向量输入LSTM网络，通过LSTM单元，输出文本特征ft；将源自文本的三元组嵌入向量输入LSTM网络，通过LSTM单元，输出三元组特征步骤S33：基于步骤S31中的embeddinglayer模块、步骤S32中的LSTM模块，再融合MLP模块共同构建关系自动分类网络；具体而言，将关系词向量文本特征ft，三元组特征拼接在一起得到特征f，即定义其中，[；]表示拼接；将f输入多层感知机MLP得到6维向量，向量中每一个元素代表着一类COCO数据集中可以处理的几何位置关系；步骤S34：使用步骤S2中构建的关系映射数据集对步骤S33中构建的关系自动分类网络进行预训练，并使用Adam优化器来最小化损失；步骤S4：构建文本自动处理模块，实现对输入文本的关键信息提取；步骤S5：基于步骤S3中的关系自动分类网络与步骤S4中的文本自动处理模块，构建改进版的文本的解析器，输入文本描述，输出解析后的结构化三元组，进而得到场景图；步骤S6：基于场景图至图像生成算法sg2im构建布局预测网络，并将场景图输入到布局预测网络中，得到场景布局；步骤S7：结合Real-TimeStyleTransfer风格转移与LostGANs图像生成模型构建风格化图像生成网络，并将布局输入风格化图像生成网络中，得到具有不同艺术风格的图像；步骤S8：基于步骤S5中的改进版文本解析器，步骤S6中的布局预测网络，步骤S7中的风格化图像生成网络，按照S5、S6、S7的顺序实现整体的文本至图像生成算法，并将算法嵌入网页后台，实现网络设计，以方便用户使用。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。