演示文稿已經(jīng)成為人們工作生活的一部分,能夠?qū)崿F(xiàn)高效的信息展示,其布局的優(yōu)劣會(huì)顯著影響信息交流的效果。手工方式設(shè)計(jì)演示文稿存在成本高、耗時(shí)長(zhǎng)、不美觀、不專業(yè)等問(wèn)題,難以滿足日益增長(zhǎng)的超大數(shù)據(jù)量信息呈現(xiàn)需求。因此,根據(jù)內(nèi)容自動(dòng)設(shè)計(jì)條理清晰且引人注目的演示文稿的布局成為一項(xiàng)具有挑戰(zhàn)性的任務(wù)。本文針對(duì)演示文稿的布局質(zhì)量評(píng)價(jià)與自動(dòng)布局設(shè)計(jì)問(wèn)題:設(shè)計(jì)實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的布局質(zhì)量主觀評(píng)價(jià)算法,定義了布局質(zhì)量的客觀評(píng)價(jià)準(zhǔn)則;對(duì)基于生成對(duì)抗網(wǎng)絡(luò)的Layout GAN自動(dòng)布局算法進(jìn)行改進(jìn);設(shè)計(jì)實(shí)現(xiàn)了基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的自動(dòng)布局算法;將遺傳算法和基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的自動(dòng)布局算法融合,進(jìn)一步優(yōu)化自動(dòng)布局結(jié)果。主要工作如下:(1)利用卷積神經(jīng)網(wǎng)絡(luò)模擬人類評(píng)價(jià)過(guò)程實(shí)現(xiàn)對(duì)布局質(zhì)量的主觀評(píng)價(jià)。對(duì)于搜集和加工過(guò)的每個(gè)布局樣本,將其映射為具有不同類別和屬性矢量的二維網(wǎng)格作為網(wǎng)絡(luò)輸入,并以受測(cè)者對(duì)布局樣本的主觀評(píng)價(jià)作為輸出數(shù)據(jù)集。在預(yù)測(cè)部分,討論了不同容限下預(yù)測(cè)結(jié)果的準(zhǔn)確度。(2)基于美學(xué)原則和相關(guān)布局準(zhǔn)則定義了演示文稿布局質(zhì)量的客觀評(píng)價(jià)標(biāo)準(zhǔn)。主要從對(duì)齊、平衡、白色空間、尺度、重疊、邊界等方面出發(fā),采用基于...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自動(dòng)布局設(shè)計(jì)
        1.2.2 布局質(zhì)量評(píng)價(jià)
    1.3 本文主要工作
    1.4 本文章節(jié)安排
第2章 深度學(xué)習(xí)基礎(chǔ)理論
    2.1 深度學(xué)習(xí)簡(jiǎn)介
    2.2 生成對(duì)抗網(wǎng)絡(luò)
        2.2.1 生成對(duì)抗網(wǎng)絡(luò)原理
        2.2.2 生成對(duì)抗網(wǎng)絡(luò)優(yōu)缺點(diǎn)
        2.2.3 生成對(duì)抗網(wǎng)絡(luò)衍生模型
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 訓(xùn)練參數(shù)
        2.4.1 損失函數(shù)
        2.4.2 優(yōu)化器
        2.4.3 激活函數(shù)
    2.5 本章小結(jié)
第3章 演示文稿布局質(zhì)量評(píng)價(jià)
    3.1 卷積神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)集生成
        3.1.1 Power Point幻燈片結(jié)構(gòu)分析
        3.1.2 正負(fù)樣本獲取
        3.1.3 確定網(wǎng)格大小
        3.1.4 對(duì)象類型劃分依據(jù)
        3.1.5 確定網(wǎng)格屬性
    3.2 布局質(zhì)量主觀打分
    3.3 布局質(zhì)量主觀評(píng)價(jià)網(wǎng)絡(luò)訓(xùn)練
        3.3.1 硬件環(huán)境
        3.3.2 Tensorflow介紹
        3.3.3 確定網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.4 網(wǎng)絡(luò)加入容限
    3.4 布局質(zhì)量客觀評(píng)價(jià)準(zhǔn)則
    3.5 本章小結(jié)
第4章 演示文稿自動(dòng)布局
    4.1 Layout GAN:基于生成對(duì)抗網(wǎng)絡(luò)的自動(dòng)布局
        4.1.1 Layout GAN算法整體結(jié)構(gòu)
        4.1.2 生成器
        4.1.3 判別器
        4.1.4 對(duì)Layout GAN算法的改進(jìn)
        4.1.5 數(shù)據(jù)預(yù)處理
        4.1.6 網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練
    4.2 基于DCGAN的自動(dòng)布局算法
        4.2.1 DCGAN網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 網(wǎng)絡(luò)訓(xùn)練
        4.2.4 顏色連通域檢測(cè)
    4.3 Layout GAN改進(jìn)算法和DCGAN算法布局結(jié)果分析
    4.4 本章小結(jié)
第5章 融合遺傳算法、布局評(píng)價(jià)和DCGAN的自動(dòng)布局
    5.1 遺傳算法
        5.1.1 遺傳算法概述
        5.1.2 遺傳算法原理
    5.2 自動(dòng)布局算法結(jié)構(gòu)
    5.3 自動(dòng)布局算法實(shí)現(xiàn)
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間論文發(fā)表及科研情況
致謝



本文編號(hào)：3764844