(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210941583.2 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 114998631 A (43)申请公布日 2022.09.02 (73)专利权人 成都薯片科技有限公司 地址 610000 四川省成 都市武侯区科华北 路153号2幢2层 (72)发明人 杜一铭　李月林　孙小龙　陈煜文　 帅先静　徐浩　刘克　吴小江　 刘宗杰　 (74)专利代理 机构 成都顶峰专利事务所(普通 合伙) 51224 专利代理师 曹源 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/74(2022.01)G06V 10/82(2022.01) (56)对比文件 CN 112418320 A,2021.02.26 CN 113139054 A,2021.07.20 CN 107832469 A,2018.0 3.23 CN 108182 293 A,2018.0 6.19 CN 110889883 A,2020.0 3.17 CN 112837332 A,2021.0 5.25 CN 114219875 A,202 2.03.22 CN 109859 291 A,2019.0 6.07 CN 110196917 A,2019.09.0 3 苏剑林.CoSENT （一） ： 比Sentence-BERT更有 效的句向量方案. 《科 学空间： ht tps:// kexue.fm/arc hives/8847》 .202 2, Yinhan Liu等.RoBERTa: A Robustly Optimized BERT Pretrai ning Approach. 《arXiv:1907.1 1692v1 [cs.CL]》 .2019, 审查员 乔君 (54)发明名称 企业logo生成方法、 装置及存 储介质 (57)摘要 本发明涉及计算机技术领域， 公开一种企业 logo生成方法、 装置及存储介质， 该方法包括获 取待生成企业logo的目标企业的企业基本信息 和标志图形信息； 基于企业基本信息和标志图形 信息生成与目标企业对应的第一特征向量； 从模 块库中获取与行业类别匹配的多个企业logo模 板； 计算第一特征向量与多个企业logo模板所对 应的第二特征向量的相似度， 得到与第一特征向 量相似度最高的至少一个第二特征向量； 将目标 企业的文本信息迁移至至少一个第二特征向量 所对应的企业logo模板中， 得到与目标 企业对应 的至少一个企业logo。 本发明公开的方法、 装置 及存储介质可简单便捷的完成企业logo的设计， 便于实际推广和应用。 权利要求书3页 说明书9页 附图2页 CN 114998631 B 2022.11.11 CN 114998631 B 1.一种企业 logo生成方法， 其特 征在于， 包括： 获取待生成企业logo的目标企业的企业基本信息和用于描述企业logo的标志图形的 标志图形信息， 所述企业基本信息包括企业名称、 企业口号和行业类别； 基于所述企业基本信息和所述标志图形信息生成与所述目标企业对应的第一特征向 量； 从模块库中获取与所述行业类别匹配的多个企业 logo模板； 计算所述第一特征向量与所述多个企业logo模板中各企业logo模板所对应的第二特 征向量的相似度， 得到与所述第一特征向量相似度最高的至少一个第二特征向量， 其中企 业logo模板所对应的第二特 征向量是基于企业 logo模板中携带的标志图形信息生成的； 将所述目标企业的文本信息迁移至所述至少一个第二特征向量所对应的企业logo模 板中， 得到与所述目标企业对应的至少一个企业logo， 所述文本信息包括企业名称和企业 口号； 基于所述企业基本信息和所述标志图形信息生成与所述目标企业对应的第一特征向 量， 包括： 通过改进的Roberta模型对由所述企业基本信息和所述标志图形信息拼接后得到的拼 接信息进行 特征提取， 得到所述第一特 征向量； 在通过改进的Roberta模型对由所述企业基本信息和所述标志图形信息拼接后得到的 拼接信息进行 特征提取， 得到所述第一特 征向量之前， 所述方法还 包括： 将企业lo go样本集合 中的企业lo go样本进行分组， 得到多个包含两个企业logo样本的 样本分组； 基于预先建立的Roberta模型对企业lo go样本集合 中各企业lo go样本携 带的标志图形 信息进行特征向量提取， 得到企业logo样本集合中各企业logo样本所对应的初始特征向 量； 基于同一样本分组中的两个企业logo样本所对应的初始特征向量的相似度， 以及所述 同一样本分组中的两个企业 logo样本的相似度， 构建所述Rober ta模型的损失函数； 调整Roberta模型的网络参数， 直至所述Roberta模型的损失函数收敛， 得到所述改进 的Roberta模型。 2.如权利要求1所述的方法， 其特 征在于， 所述损失函数为 ， 其中， u表示样本分组中的其中一个企 业logo样本所对应的特征向量， v表示样本分组中的另一个企业logo样本所对应的特征向 量， cos （u,v） 表 示样本分组中的两个企业logo样 本所对应的特征向量的余弦相似度， y的取 值为0或1， y=1时表示样本分组中的两个企业logo样本相似， y=0时表示样本分组中的两个 企业logo样本不相似。 3.如权利要求1所述的方法， 其特征在于， 在计算所述第一特征向量与所述多个企业 logo模板中各企业 logo模板所对应的第二特 征向量的相似度之前， 所述方法还 包括： 提取所述多个企业 logo模板中各企业 logo模板携带的标志图形信息； 基于所述多个企业logo模板中各企业logo模板携 带的标志图形信息， 生成与所述多个 企业logo模板中各企业 logo模板所对应的第二特 征向量。 4.如权利要求3所述的方法， 其特 征在于， 所述方法还 包括：权　利　要　求　书 1/3 页 2 CN 114998631 B 2基于分类模型提取所述多个企业logo模板中各企业logo模板所对应的主题颜色、 主题 风格及行业类别； 所述基于所述多个企业logo模板中各企业logo模板携带的标志图形信息， 生成与所述 多个企业 logo模板中各企业 logo模板所对应的第二特 征向量， 包括： 将所述多个企业lo go模板中各企业lo go模板携 带的标志图形信息、 所述多个企业logo 模板中各企业logo模板所对应的主题颜色、 所述多个企业logo模板中各企业logo模板所对 应的主题风格以及所述多个企业logo模板中各企业logo模板所对应的行业类别进行拼接 后进行特征提取， 得到所述多个企业 logo模板中各企业 logo模板所对应的第二特 征向量。 5.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于CycleGAN网络将被迁移的文本信息的渲染风格调整为与对应企业logo模板匹配 的风格。 6.一种企业 logo生成装置， 其特 征在于， 包括： 获取单元， 用于获取待生成企业logo的目标企业的企业基本信息和用于描述企业logo 的标志图形的标志图形信息， 所述企业基本信息包括企业名称、 企业口号和行业类别； 生成单元， 用于基于所述企业基本信 息和所述标志图形信 息生成与 所述目标企业对应 的第一特 征向量； 匹配单元， 用于从模块库中获取与所述行业类别匹配的多个企业 logo模板； 计算单元， 用于计算所述第一特征向量与所述多个企业logo模板中各企业logo模板所 对应的第二特征向量的相似度， 得到与所述第一特征向量相似度最高的至少一个第二特征 向量， 其中企业logo模板所对应的第二特征向量是基于企业logo模板中携带的标志图形信 息生成的； 迁移单元， 用于将所述目标企业的文本信 息迁移至所述至少一个第 二特征向量所对应 的企业logo模板中， 得到与所述目标企业对应的至少一个企业logo， 所述文本信息包括企 业名称和企业口号； 所述生成单元在用于基于所述企业基本信息和所述标志图形信息生成与所述目标企 业对应的第一特 征向量时， 具体用于： 通过改进的Roberta模型对由所述企业基本信息和所述标志图形信息拼接后得到的拼 接信息进行 特征提取， 得到所述第一特 征向量； 企业logo生成装置还 包括： 分组单元， 用于在通过改进 的Roberta模型对 由所述企业基本信息和所述标志图形信 息拼接后得到的拼接信息进行特征提取， 得到所述第一特征向量之前， 将企业logo样本集 合中的企业 logo样本进行分组， 得到多个包 含两个企业 logo样本的样本分组； 提取单元， 用于基于预先建立的Roberta模型对企业logo样本集合中各企业logo样本 携带的标志图形信息进行特征向量提取， 得到企业logo样 本集合中各企业logo样 本所对应 的初始特 征向量； 构建单元， 用于基于同一样本分组中的两个企业logo样本所对应的初始特征向量的相 似度， 以及所述同一样 本分组中的两个企业logo样 本的相似度， 构建所述 Roberta模 型的损 失函数； 调整单元， 用于调整Roberta模型的网络参数， 直至所述Roberta模型的损失函数收敛，权　利　要　求　书 2/3 页 3 CN 11