导 师: 张瑞秋
授予学位: 硕士
作 者: ();
机构地区: 华南理工大学
摘 要: 随着移动互联网的迅猛发展,应用程序中的软件界面设计发生着日新月异的变化,出现了许多新的设计风格和资源,同时产生了大量的界面图标设计需求[1]。图标与普通拍摄的图像有较大区别,因为图标均是由设计师绘制的,具有一定的指示意图和艺术特点,相比拍摄的图像可以更快更好地传达出其绘制特点和含意[2]。图标设计中的构思过程需要消耗大量时间,而且其设计风格和绘制方法受设备和使用环境所影响[3]。为了简化图标设计的过程,丰富图标构思的创意,本次研究提出使用深度学习中的生成对抗网络技术来训练计算机生成新图标。 本次研究借助深度学习知识、生成对抗网络(Generative Adversarial Networks)[4]、Tensorflow框架[5]和图像识别技术[6]及相关研究成果,对抓取自移动应用市场的近2000个图标图像建立小型数据集,进行了关于训练计算机生成应用图标的研究。 在第一章中,文章介绍了深度学习、生成对抗网络和图标设计的发展和现状[6][11],搜集了深度学习应用于设计的若干案例,以获取实践设计的指导方向[7]。 本次研究有两个关键的准备工作,是生成对抗网络的初步搭建和图标数据集的获取[8],分别在第2和第3章中介绍。在第2章中,文章阐述了生成对抗网络的运行环境和实现原理[9],给出图标生成网络的运行结构图,并通过训练计算机绘制线段的案例进行了仿真实验。在第3章中,介绍了一些常用的图像数据集[10]和一个大型图标数据集,然后自行检索并建立一个小型图标数据集。 在第4章的设计实践中,先使用传统的生成对抗网络进行训练。经过5000次循环,输出的图标图像出现了明显的中心坍塌和边缘模糊,计算所得的函数损失也较高。为了得到更为理想的生成图标,引入自注意力机制算法[12]对图标