(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 (43)申请公布日 (21)申请 号 202111474576.8 (22)申请日 2021.12.0 3 (71)申请人 北京艺源酷科技有限公司 地址 100000 北京市海淀区中关村南大街2 号1号楼8层A座90 64 (72)发明人 张国昌　王宝臣　李晋松　殷允恒　 (51)Int.Cl. G06T 11/60(2006.01) G06T 11/00(2006.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于StyleGAN的智能LO GO生成方法 (57)摘要 本发明涉及计算机视觉技术领域以及图形 处理方法技术领域， 特别涉及一种基于StyleGAN 的智能LOGO生成方法。 本发明采用了StyleGAN算 法， 基于海 量的logo数据集训练得到的logo图标 生成模型， 通过生成模型生成logo图标比完全人 工或者半人工的效率更高； 效果比人工规则生成 的logo更符合美学， 风格也更多样。 权利要求书1页 说明书3页 附图1页 CN 114219875 A 2022.03.22 CN 114219875 A 1.一种基于StyleGAN的智能LO GO生成方法， 包括以下步骤： A、 生成logo图标模型； B、 生成logo口号字体库和l ogo名称字体库； C、 用户提出设计需求， 所述的设计需求包括： logo的名称、 logo的口号， 选择logo所属 行业； D、 根据选择的l ogo所属行业， 所述的l ogo图标模型生成相应的l ogo图标； E、 根据所述的设计需求， 随机从所述的lo go口号字体库和logo名称字体库各自抽出一 种口号字体和名称字体作为 logo口号字体和l ogo名称字体。 2.根据权利 要求1所述的一种基于StyleGAN的智能LOGO生成方法， 其特征在于， 所述的 步骤A中， 生成l ogo图标模型的具体方法包括： A1、 准备一批l ogo图标数据集； A2、 根据行业将所述的l ogo图标数据集分成不同的子数据集； A3、 在所述的子数据 集上， 用StyleGAN分别训练， 从而获得不同行业的logo图标模型模 型。 3.根据权利 要求1所述的一种基于StyleGAN的智能LOGO生成方法， 其特征在于， 所述的 步骤D中， 生成l ogo口号字体库和l ogo名称字体库的具体方法包括： B1、 准备一批l ogo数据； B2、 将所述的l ogo数据按照行业划分成不同的子数据集； B3、 标注所述子数据集中的l ogo名称和l ogo口号的字体； B4、 分别统计步骤B3中各个子数据集中l ogo名称的字体出现的次数； B5、 分别统计步骤B3中各个子数据集中l ogo口号的字体出现的次数； B6、 获取所述步骤B4中各个子数据集 logo名称的字体出现次数top  N的字体； B7、 获取所述步骤B5中各个子数据集 logo口号的字体出现次数top  N的字体； B8、 将所述步骤B6中的子数据集与步骤B2中的行业一一对应， 从而得到各个行业logo 名称的字体， 并将各个行业下的l ogo名称字体作为各个行业的l ogo名称字体库； B9、 将所述步骤B7中的子数据集与步骤B2中的行业一一对应， 从而得到各个行业logo 口号的字体， 并将各个行业下的l ogo口号字体作为各个行业的l ogo口号字体库。 4.根据权利 要求1所述的一种基于StyleGAN的智能LOGO生成方法， 其特征在于， 所述方 法还包括logo布局的生成步骤， 具体是： logo名称和logo口号上下布局， 构成logo名称口号 组合， 随机确定logo图标和所述的logo名称口号组合的布局关系， 所述的布局关系有两种： logo图标在左边， logo名称口号组合在右边； 以及logo图标在上方， logo名称口号组合在下 方。 5.根据权利要求1或4所述的一种基于StyleGAN的智能LOGO生成方法， 其特征在于， 所 述方法还 包括logo配色的生成步骤， 具体是： F1、 获取l ogo图标的RGB颜色及颜色区域 面积占比； F2、 获取所述步骤F1中颜色区域 面积占比top  N的RGB颜色， 作为 logo图标的主 要颜色； F3、 从步骤F2中所述的logo图标的主要颜色中随机抽取一种颜色， 作为logo名称和 logo口号的字体颜色。权　利　要　求　书 1/1 页 2 CN 114219875 A 2一种基于StyleGAN的智能LOGO生成方 法 技术领域 [0001]本发明涉及计算机视觉技术领域以及图形处理方法技术领域， 特别涉及一种基于 StyleGAN的智能LO GO生成方法。 背景技术 [0002]一个完整的logo图形由logo图标+logo名称+logo口号+logo字体搭配规则+logo 布局规则+logo配色规则组成。 针对logo图标， 目前业内的常用技术是这样的： 一种是完全 由设计师设计； 还有一种是把设计师手工 设计的某些步骤总结成规则， 然后实现人工+规则 的半人工化设计， 比如已经进 行专利授权的 《基于自然模式的Logo生 成方法、 智能Logo生 成 器》 ， 申请公布号CN  108549530 A， 申请号： 2021 10966926.6。 [0003]生成对抗网络(Generat ive Adversarial  Networks， GA N)是近年来复杂分布上无 监督学习最具前景 的方法之一。 模型通过框架中两个模块： 生成模型和判别模型 的互相博 弈学习产生相当好的输出。 GA N能够生成不存在于 真实世界的数据， 在图像生成、 图像去噪、 数据增强方面有着重要的作用。 StyleGAN受风格迁移启发而设计了一种新的生 成器网络结 构。 新的网络结构可以通过无监督式的自动学习对图像的高层语义属 性做一定解耦分离， 也可以做到一定程度上的控制合成。 [0004]现有技术下， logo图标的设计依赖人工设计师， 受限于人工的效率， 人工设计师设 计logo图标的效率会比较低。 发明内容 [0005]为了解决现有技术的问题， 本发明提供了一种基于StyleGAN的智能LOGO生成方 法， 其能够提升设计l ogo的效率， 实现毫秒级的批量 生成logo。 [0006]本发明所采用的技 术方案如下： [0007]一种基于StyleGAN的智能LO GO生成方法， 包括以下步骤： [0008]A、 生成logo图标模型； [0009]B、 生成logo口号字体库和l ogo名称字体库； [0010]C、 用户提出设计需求， 所述的设计需求包括： logo的名称、 logo的口号， 选择logo 所属行业； [0011]D、 根据选择的l ogo所属行业， 所述的l ogo图标模型生成相应的l ogo图标； [0012]E、 根据所述的设计需求， 随机 从所述的logo口号字体库和logo名称字体库各自抽 出一种口号字体和名称字体作为 logo口号字体和l ogo名称字体。 [0013]步骤A中， 生成l ogo图标模型的具体方法包括： [0014]A1、 准备一批l ogo图标数据集； [0015]A2、 根据行业将所述的l ogo图标数据集分成不同的子数据集； [0016]A3、 在所述的子数据集上， 用StyleGAN分别训练， 从而获得不同行业的logo图标模 型模型。说　明　书 1/3 页 3 CN 114219875 A 3