基于深度学习的演示文稿自动布局及评价研究

发布时间：2023-03-19 07:33

　　演示文稿已经成为人们工作生活的一部分,能够实现高效的信息展示,其布局的优劣会显著影响信息交流的效果。手工方式设计演示文稿存在成本高、耗时长、不美观、不专业等问题,难以满足日益增长的超大数据量信息呈现需求。因此,根据内容自动设计条理清晰且引人注目的演示文稿的布局成为一项具有挑战性的任务。本文针对演示文稿的布局质量评价与自动布局设计问题:设计实现了基于卷积神经网络的布局质量主观评价算法,定义了布局质量的客观评价准则;对基于生成对抗网络的Layout GAN自动布局算法进行改进;设计实现了基于深度卷积生成对抗网络的自动布局算法;将遗传算法和基于深度卷积生成对抗网络的自动布局算法融合,进一步优化自动布局结果。主要工作如下:(1)利用卷积神经网络模拟人类评价过程实现对布局质量的主观评价。对于搜集和加工过的每个布局样本,将其映射为具有不同类别和属性矢量的二维网格作为网络输入,并以受测者对布局样本的主观评价作为输出数据集。在预测部分,讨论了不同容限下预测结果的准确度。(2)基于美学原则和相关布局准则定义了演示文稿布局质量的客观评价标准。主要从对齐、平衡、白色空间、尺度、重叠、边界等方面出发,采用基于...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 自动布局设计
        1.2.2 布局质量评价
    1.3 本文主要工作
    1.4 本文章节安排
第2章 深度学习基础理论
    2.1 深度学习简介
    2.2 生成对抗网络
        2.2.1 生成对抗网络原理
        2.2.2 生成对抗网络优缺点
        2.2.3 生成对抗网络衍生模型
    2.3 卷积神经网络
        2.3.1 卷积神经网络简介
        2.3.2 卷积神经网络结构
    2.4 训练参数
        2.4.1 损失函数
        2.4.2 优化器
        2.4.3 激活函数
    2.5 本章小结
第3章 演示文稿布局质量评价
    3.1 卷积神经网络输入数据集生成
        3.1.1 Power Point幻灯片结构分析
        3.1.2 正负样本获取
        3.1.3 确定网格大小
        3.1.4 对象类型划分依据
        3.1.5 确定网格属性
    3.2 布局质量主观打分
    3.3 布局质量主观评价网络训练
        3.3.1 硬件环境
        3.3.2 Tensorflow介绍
        3.3.3 确定网络结构
        3.3.4 网络加入容限
    3.4 布局质量客观评价准则
    3.5 本章小结
第4章 演示文稿自动布局
    4.1 Layout GAN:基于生成对抗网络的自动布局
        4.1.1 Layout GAN算法整体结构
        4.1.2 生成器
        4.1.3 判别器
        4.1.4 对Layout GAN算法的改进
        4.1.5 数据预处理
        4.1.6 网络结构和训练
    4.2 基于DCGAN的自动布局算法
        4.2.1 DCGAN网络结构
        4.2.2 数据预处理
        4.2.3 网络训练
        4.2.4 颜色连通域检测
    4.3 Layout GAN改进算法和DCGAN算法布局结果分析
    4.4 本章小结
第5章 融合遗传算法、布局评价和DCGAN的自动布局
    5.1 遗传算法
        5.1.1 遗传算法概述
        5.1.2 遗传算法原理
    5.2 自动布局算法结构
    5.3 自动布局算法实现
    5.4 实验结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 论文总结
    6.2 研究展望
参考文献
攻读硕士学位期间论文发表及科研情况
致谢



本文编号：3764844