一種圖片風格轉換方法、裝置及系統與流程
2023-06-11 01:19:16 4
本發明涉及通信技術領域，具體涉及一種圖片風格轉換方法、裝置及系統。
背景技術：
即時通訊應用中的內容聚合器聚合了即時通訊公眾號發送的文章。內容聚合器對應的內容聚合伺服器向用戶推送文章時，會根據用戶訂閱的公眾號信息、用戶興趣等向用戶推送相應的文章。
目前，即時通訊應用中內容聚合器在接收到文章時，文章中圖片的風格和樣式是固定的；該文章中圖片的風格和樣式在號主選擇圖片發布文章的時候便已經確定。因此，對於用戶來說，不同的用戶只能看到基於興趣標籤不同提供的不同文章內容，無法看到同一個文章內容中圖片的不同展現形式和風格。
為了實現文章內容中圖片的個性化展示，可以對圖片進行風格轉換，具體地轉換方式為：終端通過即時通訊應用接收到圖文內容，然後，用戶通過操作開啟終端上的圖片處理應用程式，並將即時通訊應用中圖片內容的圖片導入到該圖片處理應用程式，最後圖片處理應用程式對導入的圖片進行風格轉換。
然而，目前的圖片風格轉換方式是通過終端上的專門的圖片處理應用程式來實現，需要用戶進行比較複雜繁瑣的操作，另外終端的處理能力也是有限的，因此，會導致圖片風格轉換的效率比較低，尤其是在面臨對大量複雜的圖片進行風格轉換時。
技術實現要素：
本發明實施例提供一種圖片風格轉換方法、裝置及系統，可以提高圖片風格轉換的效率。
本發明實施例提供一種圖片風格轉換方法，包括：
獲取待進行圖片風格轉換的文章內容，所述文章內容包括圖片；
確定風格轉換所需的風格樣式圖片；
基於卷積神經網絡從所述風格樣式圖片中提取相應的風格特徵信息；
根據所述風格特徵信息對所述文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容；
向終端發送所述目標文章內容，以便終端展示所述目標文章內容。
相應的，本發明實施例還提供一種圖片風格轉換裝置，包括：
獲取單元，用於獲取待進行圖片風格轉換的文章內容，所述文章內容包括圖片；
圖片確定單元，用於確定風格轉換所需的風格樣式圖片；
提取單元，用於基於卷積神經網絡從所述風格樣式圖片中提取相應的風格特徵信息；
風格轉換單元，用於根據所述風格特徵信息對所述文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容；
發送單元，用於向終端發送所述目標文章內容，以便終端展示所述目標文章內容。
相應的，本發明實施例還提供一種圖片風格轉換系統，包括本發明實施例任一提供的圖片風格轉換裝置。
本發明實施例採用獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，確定風格轉換所需的風格樣式圖片，基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容，向終端發送該目標文章內容，以便終端展示該目標文章內容。由於該方案可以在處理能相比終端較強的伺服器上實現圖片風格轉換，並且該方案在圖片風格轉換時無需用戶進行操作，因此，可以提高圖片風格轉換的速度，進而提高圖片風格轉換的效率。
附圖說明
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
圖1a是本發明實施例提供的圖片風格轉換系統的場景示意圖；
圖1b是本發明實施例提供的圖片風格轉換方法的流程示意圖；
圖1c是本發明實施例提供的一種動漫風格圖片的示意圖；
圖1d是本發明實施例提供的另一種動漫風格圖片的示意圖；
圖1e是本發明實施例提供的動漫風格圖片的轉換示意圖；
圖2a是本發明實施例提供的圖片風格轉換系統的另一場景示意圖；
圖2b是本發明實施例提供的圖片風格轉換方法的另一流程示意圖；
圖2c是本發明實施例提供的卷積神經網絡處理圖像的過程示意圖；
圖2d是本發明實施例提供的油畫風格圖片的轉換示意圖；
圖2e是本發明實施例提供的封面的展示示意圖；
圖2f是本發明實施例提供的內容詳情頁內圖片風格轉換的示意圖；
圖3是本發明實施本發明實施例提供的例提供的圖片風格轉換系統的架構示意圖；
圖4a是本發明實施例提供的圖片風格轉換裝置的結構示意圖；
圖4b是本發明實施例提供的圖片風格轉換裝置的另一結構示意圖；
圖4c是本發明實施例提供的圖片風格轉換裝置的又一結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
本發明實施例提供了一種圖片風格轉換方法、裝置及系統。
本發明實施例提供了一種圖片風格轉換系統，該系統可以包括本發明實施例所提供的任一種圖片風格轉換裝置，參見圖1a，該圖片風格轉換裝置具體可以集成在伺服器中，如圖片風格轉換伺服器、內容聚合伺服器中。此外，該圖片風格轉換系統還可以包括其他的設置，比如用戶設備(如終端等)、內容組裝伺服器、內容存儲伺服器、內容推送伺服器等等。文章內容可以通過消息流的形式傳輸，因此，圖1a中消息流內容即為文章內容。
其中，內容組裝伺服器用於接收圖片風格轉換伺服器發送的經過圖片風格轉換後的文章內容，並對文章內容中圖片按照用戶設備的顯示尺寸進行尺寸裁剪和適配，比如，可以對文章內容中圖片的解析度進行適配處理等；該內容組裝伺服器還可以用於設置文章內容的封面，比如，可以從文章內容的圖片中選取相應的封面圖片，然後，基於選取的封面圖片來設置文章內容的封面。
該內容存儲伺服器用於接收並存儲內容組裝伺服器發送的設置封面後的文章內容；內容推送伺服器用於從內容存儲伺服器中獲取相應的文章內容，並推送給用戶設備；用戶設備用於接收內容推送伺服器發送的文章內容的封面，並展示該文章內容的封面，以及根據用戶操作展示內容推送伺服器發送的文章內容。
如圖1a所示，當需要對文章內容內圖片進行風格轉換時，可以由圖片風格轉換伺服器獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，確定風格轉換所需的風格樣式圖片，基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容。
在經過圖片風格轉換後，圖片風格轉換伺服器將具有相應圖片風格的目標文章內容發送給內容組裝伺服器，由內容組裝伺服器設置目標文章內容的封面，並將具有封面的目標文章內容發送至內容存儲伺服器中保存。在需要推送文章內容時，可以由內容推送伺服器從內容存儲器中獲取該目標文章內容，然後，將該文章內容發送給用戶設備，用戶設備對該文章內容進行展示。或者，可以由用戶設備直接從內容存儲伺服器中獲取並展示該目標文章內容。
以下將分別進行詳細說明。
實施例一、
本實施例將從圖片風格轉換裝置的角度進行描述，該圖片風格轉換裝置具體可以集成在伺服器，比如圖片風格轉換伺服器、內容聚合伺服器等設備中。
一種圖片風格轉換方法，包括：獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，確定風格轉換所需的風格樣式圖片，基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容，向終端發送該目標文章內容，以便終端展示該目標文章內容。
如圖1b所示，該圖片風格轉換方法的具體流程可以如下：
101、獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片。
其中，該文章內容可以包括：文字，圖片，視頻，音頻等內容中的至少一種，由於本實施例是對文章內容中圖片進行風格轉換，因此，本實施例中默認該文章內容至少包括圖片。
實際應用中，該文章內容可以通過消息流的形式進行傳輸，如以消息流的形式傳輸給內容聚合應用；因此，消息流內容也即包含文章內容。。其中，消息流可以為feeds流或者其他類型的消息流。
該文章內容中的圖片可以包括內容圖片、文章內容的封面圖片等圖片中的至少一種。
其中，feeds譯為消息來源，又譯為源料、饋送、資訊提供、供稿、摘要、源、新聞訂閱、網源(英文：webfeed、newsfeed、syndicatedfeed)是一種資料格式，網站透過它將最新資訊傳播給用戶，通常以時間軸方式排列，timeline是feed最原始最直覺也最基本的展示形式。
具體地，本實施例可以通過網絡從內容中心伺服器中獲取待進行圖片風格轉換的文章內容；也可以從內容發布終端獲取待進行圖片風格轉換的文章內容，比如從消息發布號主的終端獲取該文章內容。
102、確定風格轉換所需的風格樣式圖片。
本實施例中圖片的風格樣式可以為圖片展示時的風格樣式。該風格樣式可以依據展示效果劃分為漫畫風格樣式(如二次元風格樣式)、素描風格樣式、油畫風格樣式、電影風格樣式等等。具體地，風格樣式可以根據實際需求設定。參考圖1c和圖1d，為漫畫風格樣式圖片，該圖1c和圖1d所示為典型的漫畫風格圖片。
其中，風格樣式圖片為展示時呈現相應風格樣式的樣本圖片，比如，可以為具有動漫風格的樣本圖片。該風格樣式圖片展示時呈現相應風格的展示效果。一種風格樣式可以對應一張或者多張不同的風格樣式圖片，比如，動漫風格樣式圖片1、動漫風格樣式圖片2……動漫風格樣式圖片m均對應動漫風格樣式。也就是說，不同的風格樣式圖片可以具有相同的風格樣式。同一種風格樣式的不同風格樣式圖片展示時圖片內容不同，但是呈現的風格時相同。
實際應用中風格轉換所需的風格樣式圖片包括一種風格樣式圖片，也可以包括多種風格樣式圖片。
本實施例中，風格樣式圖片可以根據用戶實際需求設定，比如，用戶可以通過在圖片風格轉換伺服器中設置風格轉換所需的風格樣式圖片。也即，在獲取文章內容之前，本實施例方法還包括：
接收終端發送的風格樣式設置指令；
根據風格樣式設置指令來設置風格轉換所需的風格樣式圖片。
例如，實際應用中，可以在伺服器中提供多種風格樣式圖片，每種風格樣式圖片代表一種圖片風格，此時，用戶可以通過終端向伺服器發送風格樣式設置指令來選取所需的風格樣式圖片。也即步驟「根據風格樣式設置指令來設置風格轉換所需的風格樣式圖片」可以包括：
根據風格樣式設置指令從多種風格樣式圖片中選取風格轉換所需的風格樣式圖片。
實際應用中，圖片風格轉換伺服器會提供風格設置入口，以便用戶可以設置所需的風格樣式。
可選地，為了減少圖片轉換的計算操作，節省伺服器資源，本實施例可以在文章內容達到一定條件時，才進行圖片風格轉換。比如，在文章內容的屬性信息滿足預設條件時，才對文章內容中的圖片進行風格轉換。也即，在步驟101和步驟102之間，本實施例方法還可以包括：
獲取文章內容的屬性信息；
確定該屬性信息是否滿足預設條件；
若是，則執行確定風格轉換所需的風格樣式圖片的步驟，即步驟102。
其中，文章內容的屬性信息可以包括：文章內容的內容屬性信息、文章內容的圖片屬性信息等。該內容屬性信息可以包括文章內容所屬的內容類別，比如可以將文章內容按照定義的規則劃分為財經、科技、人文等內容類別。
該文章內容的圖片屬性信息可以包括文章內容中圖片的數量、文章內容中圖片的圖片佔比。
本實施例中，預設條件可以根據實際需求設定，比如，在屬性信息包括文章內容所屬的內容類別時，預設條件可以包括：文章內容所屬的內容類別為預設類別；比如，在屬性信息包括圖片的數量時，預設條件可以包括：圖片的數量大於預設數量；又比如，在屬性信息包括圖片佔比時，預設條件可以包括圖片的佔比大於預設閾值。
103、基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息。
由於將圖片的內容和風格分離並不一定是一個定義明確的問題(well-definedproblem)，這是因為並不能準確定義出圖片中的哪部分屬於內容，哪部分屬於風格，很有可能內容與風格是交織在一起，沒有辦法進行分離。本發明用到的是深度學習算法中間的cnn(convolutionalneuralnetwork，卷積神經網絡)來從圖片中提取風格特徵信息。它的系統核心是利用卷積神經網絡表徵來分離圖片的內容和風格，再組合待轉換圖片的內容和風格樣式圖片的風格，以此來實現一個可用來描繪各種圖像風格的算法。
優先地，為能夠精確地提取圖片的風格特徵信息，本實施例可以通過多層卷積神經網絡來提取風格特徵信息；也即步驟「基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息」可以包括：
建立多層卷積神經網絡模型，該多層卷積神經網絡模型包括多個卷積層；
基於該多層卷積神經網絡模型從該風格樣式圖片中提取相應的風格特徵信息。
具體地，多層卷積神經網絡模型可以引入卷積自動分層地提取圖片特徵，進而提取出圖片中的風格特徵信息，其中，每一層由多個特徵圖組成，每一個特徵圖是由前一層輸出與一個卷積核進行卷積運算和非線性變換得到，隨後進行池化操作以降低輸出維度，同時獲得一定的特徵不變性。通過可視化處理，可以發現圖片在多層卷積神經網絡中層層傳輸進行特徵提取和抽象，在層層傳輸中圖像越來越抽象，最終可以提取出圖片的高層次的特徵信息即風格特徵信息。
其中，多層卷積神經網絡模型可以包括多個卷積層等網絡層，此外，還可以包括、池化層、全連接層、輸入層、激活函數層等等。卷積層的作用是提取圖像的各種特徵；卷積層是卷積核在上一級輸入層上通過逐一滑動窗口計算而得，卷積核中的每一個參數都相當於傳統神經網絡中的權值參數，與對應的局部像素相連接，將卷積核的各個參數與對應的局部像素值相乘之和，(通常還要再加上一個偏置參數)，得到卷積層上的結果。
池化層的作用是對原始特徵信號進行抽象，從而大幅度減少訓練參數，另外還可以減輕模型過擬合的程度。
為使得卷積神經網絡具有輸入輸出對之間的映射能力，本實施例還需要對多層卷積神經網絡模型進行訓練。優選地，為了提高風格特徵信息提取的精確性，本實施例可以採用反向傳播算法對多層卷積神經網絡模型進行訓練，具體地，步驟「基於該多層卷積神經網絡模型從該風格樣式圖片中提取相應的風格特徵信息」可以包括：
基於反向傳播(bp)算法對該多層卷積神經網絡模型進行訓練；
根據訓練後的多層卷積神經網絡模型從該風格樣式圖片中提取相應的風格特徵信息。
比如，為了能夠提高模型去噪速度，本實施例可以基於反向傳播(bp)算法，以最小化損失函數為目標對該多層卷積神經網絡模型進行訓練。該損失函數可以為均方誤差函數。
本實施例通過一個經過訓練的多層卷積神經網絡模型，可以觀察不同層次對圖像特徵識別的演變過程。在每個塊中，顯示一個隨機選擇的子集的特徵。通過可視化處理，可以發現圖片在多層卷積神經網絡中層層傳輸進行特徵提取和抽象，在層層傳輸中圖像越來越抽象，最終可以提取出圖片的高層次的特徵信息即風格特徵信息。
可選地，風格轉換所需的風格樣式圖片包括多種風格樣式圖片時，本實施例方法可以基於卷積神經網絡來提取每種風格樣式圖片對應的風格特徵信息。具體地，提取方式可以參考上述描述。
104、根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容。
在提取風格特徵信息之後，便可以通過該風格特徵信息將文章內容中的圖片繪製成相應風格的圖片。具體地，本實施例同樣可以通過卷積神經網絡提取該文章內容中圖片的圖片內容，然後，將圖片內容與之前提取的風格特徵組合，便可以得到一張與風格樣式圖片具有相同風格的圖片。即步驟「據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容」可以包括：
基於卷積神經網絡提取該文章內容中圖片的圖片內容；
根據該風格特徵信息和該圖片內容生成相應風格的圖片，得到具有相應圖片風格的目標文章內容。
比如，可以基於多層卷積神經網絡模型提取該文章內容中圖片的圖片內容，其中，該多層卷積神經網絡模型包括多個卷積層。本實施例中提取圖片內容與提取風格特徵的多層卷積神經網絡模型可以為同一個網絡模型。即，本實施例可以通過上述訓練後的多層卷積神經網絡模型提取該文章內容中圖片的圖片內容。
應當理解的是：本實施例中提取圖片內容和提取風格特徵的步驟時序可以有多種，比如，可以同時執行，也可以先後執行等。
在提取風格特徵和圖片內容之後，可以定義風格損失函數，按照損失函數梯度最小化原則，生成相應風格的圖片；也即步驟「根據該風格特徵信息和該圖片內容生成相應風格的圖片」可以包括：
按照損失函數梯度最小化原則，根據該風格特徵信息和該圖片內容生成相應風格的圖片。
其中，損失函數可以基於內容損失函數與風格損失函數構成，比如可以為內容損失函數與風格損失函數之和。其中，內容損失函數表徵最終生成圖片相對於原始圖片在內容上的損失，風格損失函數為表徵最終生成圖片相對於原始圖片在風格上的損失。
比如，損失函數公式可以如下：
其中，ltotal為損失函數，lstyle為風格損失函數，表示最終生成圖x和風格樣式圖(style圖)a在風格樣式上的loss，lcontent為內容損失函數，表示最終生成圖x和原始圖(content圖)p在內容上的loss。α,β是調節兩者比例的參數。
本實施例中，在對文章內容中所有圖片進行風格轉換之後，可以基於風格轉換後的圖片以及文章內容中其他內容生成具有相應圖片風格的目標文章內容，該其他內容為文章內容中除圖片以外的內容。
通過上述的方法步驟，本實施例可以將文章內容中圖片轉換成相應風格的圖片。比如，以風格樣式圖片為漫畫風格圖片為例，參考圖1e，通過上述所描述的方式可以將普通風格的圖片轉換為漫畫風格的圖片。
可選地，當風格轉換所需的風格樣式圖片包括多種風格樣式圖片時，可以基於每種風格樣式圖片的風格特徵信息來對分別圖片進行風格轉換，然後，將具有不同圖片風格的文章內容分別發送給不同的終端群；也即步驟104可包括：根據每種風格樣式圖片對應的風格特徵信息，分別對該文章內容中的圖片進行風格轉換，得到多個具有不同圖片風格的目標文章內容。
其中，終端群可以隨機選取，該各終端群的終端數量可以相同也可以不同，比如，可以均為10w。
105、向終端發送該目標文章內容，以便終端展示該目標文章內容。
比如，圖片風格轉換伺服器在得到具有相應圖片風格的目標文章內容之後，可以將該目標文章內容發送給內容組裝伺服器，由內容組裝伺服器設置該目標文章內容的封面，然後，將設置封面後的目標文章內容發送至內容存儲伺服器中保存。在需要推送文章內容時，可以由內容推送伺服器從內容存儲器中獲取該目標文章內容，然後，將該文章內容發送給用戶設備，用戶設備對該文章內容進行展示。或者，可以由用戶設備直接從內容存儲伺服器中獲取並展示該目標文章內容。
當有多種風格樣式圖片時，對於同一個文章內容可以具有不同圖片風格，即有多個具有不同圖片風格的目標文章內容。為了能夠提升內容的點擊轉換效果，本實施例方法可以將不同圖片風格的文章內容分別發送給不同的終端群(各終端群的終端數量可以相同，也可以不相同，其中，終端群可以隨機選取)，並基於終端群反饋的用戶針對相應圖片風格的文章內容的點擊行為特徵數據篩選出最佳的圖片風格。也即在將具有不同圖片風格的目標文章內容分別發送給不同的終端群之後，本實施例圖片風格轉換方法還包括：
接收各終端群內終端上報的用戶針對相應圖片風格的目標文章內容的點擊操作行為數據；
根據上報的點擊操作行為數據，從該多種風格樣式圖片中選取目標風格樣式圖片；
將該風格轉換所需的風格樣式圖片更新為該目標風格樣式圖片。
其中，根據點擊操作行為數據選取目標風格樣式圖片的方式有多種，比如可以根據上報的點擊操作行為數據對不同的風格樣式圖片進行排序，然後，基於排序結果來選取目標風格樣式圖片，即最佳風格樣式圖片。
其中，點擊操作行為數據可以包括：內容閱讀時長，內容點擊次數，視頻內容觀看次數及播放過程當作的緩衝停留信息等。
比如，當存在動漫風格樣式圖a、素描風格樣式圖b、油畫風格樣式圖c時，可以基於卷積神經網絡分別提取各風格樣式圖的風格特徵信息；然後，基於各風格樣式圖的風格特徵信息分別對文章內容進行風格轉換，得到三種不同圖片風格的文章內容，即具有動漫風格圖片的文章內容、具有素描風格圖片的文章內容、具有油畫風格圖片的文章內容。之後，可以將三種不同圖片風格的文章內容分別發送給相同數量的終端群，如可以選擇10w個終端，也可以通過實驗選擇其他數目。然後，接收終端群內終端上報的用戶針對相應圖片風格的文章內容的點擊操作行為數據，基於所有上報的點擊操作行為數據從動漫風格樣式圖a、素描風格樣式圖b、油畫風格樣式圖c中選取最佳風格樣式圖片，如選取油畫風格樣式圖c為最佳風格樣式圖片，並將風格轉換的風格樣式圖片更新為油畫風格樣式圖c。這樣後續可以根據該油畫風格樣式圖c對文章內容中圖片進行風格轉換。也就是說，由於根據點擊操作行為數據確定油圖片的最佳風格為油畫風格時，後續在均將圖片的風格轉換為油畫風格，以提高點擊轉換效果。
由上可知，本發明實施例採用獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，確定風格轉換所需的風格樣式圖片，基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容，向終端發送該目標文章內容，以便終端展示該目標文章內容。由於該方案可以在伺服器上實現圖片風格轉換，伺服器的處理能相比終端較強，並且該方案在圖片風格轉換時無需用戶進行操作，因此，可以提高圖片風格轉換的速度，進而提高圖片風格轉換的效率。
此外，該方案可以將文章內容中圖片轉換成所需的圖片風格，實現了文章內容圖片的個性化，可以提升用戶點擊轉化效果，增加用戶粘性。
實施例二、
根據實施例一所描述的方法，以下將舉例作進一步詳細說明。
本實施例將以圖片風格轉換裝置可以集成在伺服器為例來詳細介紹本發明提供的方法。
如圖2a所示，本發明實施例提供了一種圖片風格轉換系統，可以包括：圖片風格轉換伺服器、內容組裝伺服器、內容推送伺服器、內容中心伺服器、內容存儲中心伺服器、統計分析伺服器、統計上報接口伺服器以及終端。其中，系統內各設備通過網絡連接。
如圖2b所示，一種圖片風格轉換方法，具體流程可以如下：
201、圖片風格轉換伺服器從內容中心伺服器獲取待進行圖片風格轉換的文章內容，文章內容包括原始圖片。
其中，文章內容還可以包括：文字，視頻，音頻等內容。實際應用中，該文章內容可以通過消息流的形式進行傳輸，如以feeds流或者其他類型的消息流的形式進行傳輸。202、圖片風格轉換伺服器確定風格轉換所需的風格樣式圖片。
本實施例中圖片的風格樣式可以為圖片展示時的風格樣式。該風格樣式可以依據展示效果劃分為漫畫風格樣式(如二次元風格樣式)、素描風格樣式、油畫風格樣式、電影風格樣式等等。
其中，風格樣式圖片為展示時呈現相應風格樣式或風格的樣本圖片，比如，可以為具有動漫風格的樣本圖片。
一種風格樣式可以對應一張或者多張不同的風格樣式圖片，比如，風格樣式為油畫風格樣式圖片1、油畫風格樣式圖片2……油畫風格樣式圖片m均對應油畫風格樣式。也就是說，不同的風格樣式圖片可以具有相同的風格樣式。同一種風格樣式的不同風格樣式圖片展示時圖片內容不同，但是呈現的風格時相同。
實際應用中，風格轉換所需的風格樣式圖片包括一種風格樣式圖片，也可以包括多種風格樣式圖片。比如，風格樣式圖片可以為動漫風格樣式圖片，或者可以包括動漫風格樣式圖片、油畫風格樣式圖片。
可選地，了減少圖片轉換的計算操作，節省伺服器資源，本實施例可以在文章內容達到一定條件時，才進行圖片風格轉換。比如，在文章內容的屬性信息滿足預設條件時，才對文章內容中的圖片進行風格轉換。也即，圖片風格轉換伺服器可以獲取文章內容的屬性信息；確定該屬性信息是否滿足預設條件；若是，則執行確定風格轉換所需的風格樣式圖片的步驟，若否，則結束流程。
其中，文章內容的屬性信息可以包括：文章內容的內容屬性信息、文章內容的圖片屬性信等。該內容屬性信息可以包括文章內容所屬的內容類別，比如可以將文章內容按照定義的規則劃分為財經、科技、人文等內容類別。該文章內容的圖片屬性信息可以包括文章內容中圖片的數量、文章內容中圖片的圖片佔比。
本實施例中，預設條件可以根據實際需求設定，比如，在屬性信息包括文章內容所屬的內容類別時，預設條件可以包括：文章內容所屬的內容類別為預設類別；比如，在屬性信息包括圖片的數量時，預設條件可以包括：圖片的數量大於預設數量；又比如，在屬性信息包括圖片佔比時，預設條件可以包括圖片的佔比大於預設閾值。
203、圖片風格轉換伺服器建立多層卷積神經網絡模型，並基於反向傳播(bp)算法對該多層卷積神經網絡模型進行訓練，其中，該多層卷積神經網絡模型包括多個卷積層。
其中，多層卷積神經網絡模型可以包括多個卷積層等網絡層，此外，還可以包括、池化層、全連接層、輸入層、激活函數層等等。卷積層的作用是提取圖像的各種特徵；卷積層是卷積核在上一級輸入層上通過逐一滑動窗口計算而得，卷積核中的每一個參數都相當於傳統神經網絡中的權值參數，與對應的局部像素相連接，將卷積核的各個參數與對應的局部像素值相乘之和，(通常還要再加上一個偏置參數)，得到卷積層上的結果。池化層的作用是對原始特徵信號進行抽象，從而大幅度減少訓練參數，另外還可以減輕模型過擬合的程度。
204、基於訓練後的多層卷積神經網絡模型分別提取風格樣式圖片的風格特徵信息以及原始圖片的圖片內容。
本實施例通過一個經過訓練的多層卷積神經網絡模型，可以觀察不同層次對圖像特徵識別的演變過程。在每個塊中，顯示一個隨機選擇的子集的特徵。通過可視化處理，可以發現圖片在多層卷積神經網絡中層層傳輸進行特徵提取和抽象，在層層傳輸中圖像越來越抽象，最終可以提取出圖片的高層次的特徵信息即風格特徵信息。
本實施例還可以通過一個經過訓練的多層卷積神經網絡模型，可以觀察不同層次對圖像特徵識別的演變過程，將圖片內容與高級特徵分離，從而提取圖片的圖片內容。
比如，參考圖2c，以風格樣式圖片為油畫風格圖片、原始圖片為普通照片為例，可以將這兩個張圖片分別輸入多層卷積神經網絡模型，多層卷積神經網絡模型將會對圖片層層提取特徵和抽象，進而提取油畫風格特徵信息以及原始圖片的圖片內容，然後基於提取的特徵信息和圖片內容生成油畫風格的圖片。
圖2c中，a有個別名是conv1_1，b是conv2_1，依次類推，c，d，e對應conv3_1，conv4_1，conv5_1；輸入圖片有風格圖片styleimage和內容圖片contentimage，輸出的是就是合成圖片，然後用合成圖片為指導訓練，但是訓練的對象不像是普通的神經網絡那樣訓練權值w和偏置項b，而是訓練合成圖片上的像素點，以達到損失函數不斷減少的效果。論文使用的是隨機的噪聲像素圖為初始合成圖，但是使用原始圖片會快一點。
205、圖片風格轉換伺服器根據該風格特徵信息和該圖片內容生成相應風格的目標圖片，得到具有相應圖片風格的目標文章內容。
比如，針對文章內容中的每個原始圖片，圖片風格轉換伺服器可以採用多層卷積神經網絡模型提取每個原始圖片的圖片內容，然後，根據風格特徵信息以及每個原始圖片的圖片內容生成相應風格的圖片；也即可以分別將每個原始圖片轉換成相應風格的圖片。
在將文章內容中每個原始圖片轉換成相應風格的圖片之後，可以根據風格轉換後的圖片生成相應圖片風格的目標文章內容。比如，根據風格轉換後的圖片以及文章內容中其他內容組裝生成相應圖片風格的目標文章內容。該其他內容為文章內容中除了原始圖片以外的內容，如文字內容等。
在提取風格特徵和圖片內容之後，可以定義風格損失函數，按照損失函數梯度最小化原則，生成相應風格的圖片；具體地，按照損失函數梯度最小化原則，根據該風格特徵信息和該圖片內容生成相應風格的圖片。
其中，損失函數可以基於內容損失函數與風格損失函數構成，比如可以為內容損失函數與風格損失函數之和。其中，內容損失函數表徵最終生成圖片相對於原始圖片在內容上的損失，風格損失函數為表徵最終生成圖片相對於原始圖片在風格上的損失。
比如，損失函數公式可以如下：
其中，ltotal為損失函數，lstyle為風格損失函數，表示最終生成圖x和風格樣式圖(style圖)a在風格樣式上的loss，lcontent為內容損失函數，表示最終生成圖x和原始圖(content圖)p在內容上的loss。α,β是調節兩者比例的參數。
通過多層卷積神經網絡模型提取原始圖片的圖片內容以及油畫風格圖片的油畫風格特徵信息之後，可以將圖片內容與油畫風格特徵信息組合從而可以將原始圖片轉換為油畫風格的圖片，參考圖2d，在圖2d中content圖片為原始圖片，style圖片為油畫風格圖片，pastiche為生成圖片。
206、圖片風格轉換伺服器將目標文章內容同步到內容組裝伺服器，內容組裝伺服器對目標文章內容進行圖片尺寸適配處理後，將處理後的目標文章內容保存在內容中心伺服器。
為了能夠讓文章內容中圖片能夠在終端上顯示，內容組裝伺服器需要根據終端的大小對圖片進行尺寸裁剪和適配。比如原始圖像圖片一般為了在手機上展示，內容組裝伺服器會對圖片的圖像解析度進行適配處理並保存原始版本，清晰版本的解析度一般為600*900,640*480,320*200等幾種規格的feeds樣式。
207、內容推送伺服器可以從內容中心伺服器獲取目標文章內容，並發送給相應的終端。
以動漫風格為例，本實施例可以通過圖片風格轉換伺服器將文章內容的封面圖片轉換成動漫風格的封面圖片，然後，將動漫風格的封面圖片通過內容推送伺服器發送給終端展示。參考圖2e，在消息展示界面中，最上面的三個封面圖片均通過圖片風格轉換伺服器轉換動漫風格的封面圖片。
可選地，在通過圖片風格轉換伺服器預先將圖片轉換成相應風格的圖片之後，該圖片風格轉換伺服器可以將風格轉換後的圖片同步到內容存儲伺服器中。為了方便用戶可以查看到多種風格的圖片，本實施例還可以當用戶點擊文章內容的封面打開內容詳情頁後，在內容詳情頁當中展示的各種圖片的上提供一個新的風格的入口，點擊後可以看到全新的風格展示的圖片；該入口的形式可以有多種，如圖標、文字等形式。參考圖2f，在用戶打開內容詳情頁收，該內容詳情頁面在每個圖片的上增加一個風格轉換入口(即「風格轉換」)，當用戶點擊該入口後，終端會向通過內容推送伺服器從內容存儲伺服器中、或者直接從內容存儲伺服器中獲取相應風格的該圖片。比如，參考圖2f，當用戶點擊一張圖片的風格轉換入口，終端可以從內容存儲伺服器中獲取動漫風格的該圖片，並展示。
實際應用中，可能一個文章內容會對應不同的圖片風格(比如當存在多個種風格樣式圖片時)，為了能夠選取最佳圖片風格，以提高點擊轉換率，那麼此時可以將不同圖片風格的文章內容發送給不同的終端群，然後，基於終端群上報的點擊操作行為數量選取最佳圖片風格。具體如下：
在本實施例中如果存在多種風格樣式圖片和多種圖片風格的目標文章內容時，內容存儲中心伺服器可以通過內容推送伺服器，將具有不同圖片風格的目標文章內容分別發送給不同的終端群(各終端群的終端數量可以相同，也可以不相同，其中，終端群可以隨機選取)，然後，圖片風格轉換伺服器可以通過統計分析系統、統計上報接口伺服器接收各終端群內終端上報的用戶針對相應圖片風格的目標文章內容的點擊操作行為數據，根據上報的點擊操作行為數據，從該多種風格樣式圖片中選取目標風格樣式圖片。在選取目標風格樣式圖片之後，可以將風格轉換所需的風格樣式圖片為該目標風格樣式圖片，這樣便可以將待進行圖片風格轉換的文章內容內的圖片，轉換為與目標風格樣式圖片相同風格的圖片。
由上可知，本發明實施例採用獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，確定風格轉換所需的風格樣式圖片，基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容，向終端發送該目標文章內容，以便終端展示該目標文章內容。由於該方案可以在伺服器上實現圖片風格轉換，由於伺服器的處理能相比終端較強，並且該方案在圖片風格轉換時無需用戶進行操作，因此，可以提高圖片風格轉換的速度，進而提高圖片風格轉換的效率。
此外，該方案可以將文章內容中圖片轉換成所需的圖片風格，實現了文章內容圖片的個性化，可以提升用戶點擊轉化效果，增加用戶粘性。
實施例三、
根據實施例一和實施例二所描述的方法，本實施例提供一種圖片風格轉換系統，該系統的架構和流程如圖3所示。
下面將以文章內容通過feeds消息流的形式傳輸為例，來詳細描述圖3所示系統中各服務模塊的主要功能，具體如下：
一.即時通訊客戶端
(1)發送和接收文字，圖片，視頻，音頻等內容及內容的展示；
(2)通過內容獲取及推送接口伺服器從伺服器拉取內容或者內容更新的通知，然後主動向伺服器拉取內容，同時通過上行通道，將用戶側用戶的各種訂閱的興趣信息保存在訂閱關係鏈服務當作，比如興趣愛好是娛樂，科技，視頻，訂閱了體育，籃球或者足球等信息；
(3)向統計伺服器上報獲取到伺服器推送的內容標識和用戶操作信息的點擊操作行為數據，比如閱讀時長，點擊次數，視頻內容觀看次數及播放過程當作的緩衝停留信息等；
(4)feeds消息流內容展示模塊，按照用戶操作的行為在終端展示不同風格的feeds封面圖，比如用戶點擊打開詳情頁後也可以查看不同風格的詳情頁內容等；
(5)feeds及用戶點擊行為和環境上報模塊，收集用戶當前網絡環境(wifi、2g/3g/4g、運營商信息)及用戶對feeds中間信息的點擊操作行為和feeds文章的曝光數據，上報給統計上報接口伺服器；
二.內容獲取及推送接口伺服器
(1)c(客戶端)和b(服務端)相互通訊的接口伺服器，供終端訪問後端內容和接受內容的推送；
(2)從推薦引擎和訂閱引擎獲取用戶需要內容的索引信息，通常是內容的標題，發布者，摘要，封面圖，發布時間，文章對應的id等；
(3)依據索引信息從內容存儲中心獲取對應的內容提供給終端，也可以將這些索引信息直接下發給終端，由終端直接從內容存儲中心獲取對應的內容；
三.內容緩存伺服器
(1)對於不能及時下發到終端的內容，臨時保存在內容緩存伺服器，待c側用戶上線後在推送，通常緩存時間可以定製，一般為48小時；
四.推薦引擎伺服器
(1)接收內容中心的原始內容的推送，同時通過統計分析系統收集用戶行為和用戶的畫像數據；
(2)依據內容和用戶的行為和畫像，在已有的內容中心提供的規範化的內容上採用多種推薦算法比如協同過濾算法，基於相似用戶行為的推薦或者基於用戶畫像的推薦，為每個用戶生存一個推薦內容隊列；
(3)用戶主動刷新拉取內容的時候，通過內容獲取和推送接口服務從推薦引擎服務獲取推薦的內容信息；
五.訂閱引擎伺服器
(1)主要是現有的公眾號訂閱系統，用戶主動關注一些號主，用戶成為這些b側號主的粉絲，相當於訂閱了這些號主的內容，這些內容有更新發布時候通過訂閱引擎可以推送對應的更新內容；
(2)用戶除了關注號主外，可以主動訂閱一些主題關鍵詞比如體育，足球，籃球或者熱門事件的內容，形成新的訂閱關係鏈服務，能夠藉助這些更加精準為用戶提供內容。
六.內容存儲中心伺服器
(1)通常是一組分布範圍很廣，離c側用戶很久的就近接入伺服器，緩存了最新的熱門內容，他的內容源來自組織伺服器；
(2)他可以直接為終端提供服務也可以為內容獲取及推送接口服務。
七.內容組裝和拼接伺服器
(1)從內容中心獲取推送的內容，按照內容適合移動端的字體和樣式及布局組裝內容，同時將內容推送給內容存儲中心器；
(2)接收圖片風格轉換伺服器同步的風格轉換後的圖片，並可以將圖片拼裝為一個不同圖片風格的樣式內容文件供最後輸出使用。
八.內容中心
(1)接受審核系統審核通過的合法內容；
(2)對內容進行處理和過濾，建立內容分級和質量評估體系，確保提供給推薦引擎推薦的內容是優質的適合曝光的內容。
九.審核系統
(1)通常有人工和機器審核想結合，主要是確保推送的內容符合當地法律和政策允許的訪問；
(2)審核的內容來自自媒體主動發布和網絡爬蟲從公共網絡上獲取的；
十.訂閱關係鏈伺服器
(1)用來保存和記錄內容主題和訂閱c側用戶之間的關係，通常形式是一個主題詞a標識一個內容源，一個集合b標識可以接受內容主題a可以發送對應內容的所有帳號，二者之間形成的關係成為訂閱關係鏈系統；
十一.自媒體發布系統
(1)公眾號平臺當中，運營訂閱號自媒體用戶發布內容的系統能夠；
十二.內容收集伺服器
(1)通常指網絡爬蟲系統，為了豐富內容來源，主動從網際網路上收集和獲取諮詢內人，同時保留原始內容來源信息，作為推薦過程當作的長尾內容來源的補充；
十三.統計上報接口伺服器
和即時通訊終端通訊，接受終端各種信息推到終端之後，用戶的訪問，瀏覽信息及操作點擊行為流水日誌信息的上報；
將上報的統計信息推送給統計分析系統；
十.統計分析系統
根據統計上報接口伺服器推送的日誌信息進行統計分析，計算出內容的點擊率，達到率，轉化率和用戶畫像及行為特徵等基礎結果數據；
與推薦引擎伺服器通訊，提供基於終端用戶消息行為統計信息和用戶畫像信息進行內容推薦服務；
十一.圖片風格轉換伺服器
根據實施例一和實施例二描述的方式對圖進行風格轉換，將轉換後的風格內容同步到內容組裝和拼接伺服器，然後在同步的內容存儲中心供終端消費使用。
該圖片風格轉換伺服器可以根據運營商的設置信息來設置轉換所需的風格樣式圖片，比如，可以通過運營內容風格設置入口獲取風格樣式圖片設置信息，然後，基於該哎設置信息設置風格轉換所需的風格樣式圖片。
本發明提供了圖片風格轉換系統，可以在伺服器端提前對號主發送和推送的內容進行圖片風格轉換、各種風格內容的預先生成和處理，同時對feeds點擊打看後正式的圖文樣式中圖片的風格也提供多種風格的展示和查看入口，當終端用戶匹配是典型的某種風格或者用戶主動設置或者用戶直接點擊內容風格查看的個性化入口的時候，直接查看和瀏覽轉換後新風格的內容。通過本發明系統能夠實現圖文內容的個性化展示方式，尤其是圖片較多的內容，比如圖集可以採用多種方式來變換圖片的風格，比如二次元風格，內容更加個性化，增加對年輕用戶的吸引和最終的點擊轉換效果，也可以增加和其他同類產品的差異。
實施例四、
為了更好地實施以上方法，本發明實施例還提供圖片風格轉換裝置，如圖4a所示，該圖片風格轉換裝置包括：獲取單元401、圖片確定單元402、提取單元403、風格轉換單元404和發送單元405，如下：
(1)獲取單元401；
獲取單元401，用於獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片。
內容包括圖片。
其中，該文章內容可以包括：文字，圖片，視頻，音頻等內容中的至少一種，由於本實施例是對文章內容中圖片進行風格轉換，因此，本實施例中默認該文章內容至少包括圖片。。
該文章內容中的圖片可以包括內容圖片、文章內容的封面圖片等圖片中的至少一種。
(2)圖片確定單元402；
圖片確定單元402，用於確定風格轉換所需的風格樣式圖片。
本實施例中圖片的風格樣式可以為圖片展示時的風格樣式。該風格樣式可以依據展示效果劃分為漫畫風格樣式(如二次元風格樣式)、素描風格樣式、油畫風格樣式、電影風格樣式等等。
其中，風格樣式圖片為展示時呈現相應風格樣式的樣本圖片，比如，可以為具有動漫風格的樣本圖片。該風格樣式圖片展示時呈現相應風格的展示效果。實際應用中風格轉換所需的風格樣式圖片包括一種風格樣式圖片，也可以包括多種風格樣式圖片。
可選地，為了減少伺服器計算，節省資源，參考圖4b，該圖片風格轉換裝置還可以包括屬性確定單元406；
該屬性確定單元406，用於獲取文章內容的屬性信息，確定該屬性信息是否滿足預設條件；
該圖片確定單元402，用於在屬性確定單元406確定該屬性信息滿足預設條件時，確定風格轉換所需的風格樣式圖片。
(3)提取單元403；
提取單元403，用於基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息。
優先地，為能夠精確地提取圖片的風格特徵信息，本實施例可以通過多層卷積神經網絡來提取風格特徵信息，提取單元403，可以包括：
模型建立子單元，用於建立多層卷積神經網絡模型，該多層卷積神經網絡模型包括多個卷積層；
特徵提取子單元，用於基於該多層卷積神經網絡模型從該風格樣式圖片中提取相應的風格特徵信息。
具體地，多層卷積神經網絡模型可以引入卷積自動分層地提取圖片特徵，進而提取出圖片中的風格特徵信息，其中，每一層由多個特徵圖組成，每一個特徵圖是由前一層輸出與一個卷積核進行卷積運算和非線性變換得到，隨後進行池化操作以降低輸出維度，同時獲得一定的特徵不變性。通過可視化處理，可以發現圖片在多層卷積神經網絡中層層傳輸進行特徵提取和抽象，在層層傳輸中圖像越來越抽象，最終可以提取出圖片的高層次的特徵信息即風格特徵信息。
其中，多層卷積神經網絡模型可以包括多個卷積層等網絡層，此外，還可以包括、池化層、全連接層、輸入層、激活函數層等等。
為使得卷積神經網絡具有輸入輸出對之間的映射能力，本實施例還需要對多層卷積神經網絡模型進行訓練，優選地，為了提高風格特徵信息提取的精確性，可以採用反向傳播算法對多層卷積神經網絡模型進行訓練。也即，特徵提取子單元，可以用於基於反向傳播算法對該多層卷積神經網絡模型進行訓練，根據訓練後的多層卷積神經網絡模型從該風格樣式圖片中提取相應的風格特徵信息。
(4)風格轉換單元404；
風格轉換單元404，用於根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容。
其中，風格轉換單元404，可以用於：基於卷積神經網絡提取該文章內容中圖片的圖片內容；根據該風格特徵信息和該圖片內容生成相應風格的圖片，得到具有相應圖片風格的目標文章內容。
在提取風格特徵信息之後，風格轉換單元404便可以通過該風格特徵信息將文章內容中的圖片繪製成相應風格的圖片。具體地，本實施例風格轉換單元404同樣可以通過卷積神經網絡提取該文章內容中圖片的圖片內容，然後，將圖片內容與之前提取的風格特徵組合，便可以得到一張與風格樣式圖片具有相同風格的圖片。
比如，風格轉換單元404，可以用於基於上述多層卷積神經網絡模型(如經過反向傳播算法訓練後的網絡模型)，對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容。
當風格轉換所需的風格樣式圖片包括多種風格樣式圖片時，風格轉換單元404，可以用於根據每種風格樣式圖片對應的風格特徵信息，分別對該文章內容中的圖片進行風格轉換，得到多個具有不同圖片風格的目標文章內容。此時，相同的文章內容將會對應不同的圖片風格。
實際應用中，為提高生成圖片的質量，風格轉換單元404可以用於按照損失函數梯度最小化原則，根據該風格特徵信息和該圖片內容生成相應風格的圖片。
其中，損失函數可以基於內容損失函數與風格損失函數構成，比如可以為內容損失函數與風格損失函數之和。其中，內容損失函數表徵最終生成圖片相對於原始圖片在內容上的損失，風格損失函數為表徵最終生成圖片相對於原始圖片在風格上的損失。
比如，損失函數公式可以如下：
其中，ltotal為損失函數，lstyle為風格損失函數，表示最終生成圖x和風格樣式圖(style圖)a在風格樣式上的loss，lcontent為內容損失函數，表示最終生成圖x和原始圖(content圖)p在內容上的loss。α,β是調節兩者比例的參數。
本實施例中，在對文章內容中所有圖片進行風格轉換之後，可以基於風格轉換後的圖片以及文章內容中其他內容生成具有相應圖片風格的目標文章內容，該其他內容為文章內容中除圖片以外的內容。
(5)發送單元405；
發送單元405，用於向終端發送該目標文章內容，以便終端展示該目標文章內容。
比如，當存在具有不同圖片風格的目標文章內容時，發送單元405，可以用於將具有不同圖片風格的目標文章內容分別發送給不同的終端群，以便終端內終端展示相應圖片風格的目標文章內容。
根據上述介紹，本實施例中一個文章內容可以對應多種不同的圖片風格；本實施例可以將這些不同圖片風格的文章內容分別發送給不同的終端群，然後，基於終端群內終端上報的點擊操作行為數據來選擇最優的圖片風格，以提高圖文內容的質量和點擊轉化效果。
具體地，參考圖4c，該圖片風格轉換裝置還可以包括：
接收單元407，用於在發送單元405將具有不同圖片風格的目標文章內容分別發送給不同的終端群之後接收各終端群內終端上報的用戶針對相應圖片風格的目標文章內容的點擊操作行為數據；
選取單元408，用於根據上報的點擊操作行為數據，從該多種風格樣式圖片中選取目標風格樣式圖片；
更新單元409，用於將該風格轉換所需的風格樣式圖片更新為該目標風格樣式圖片。
其中，點擊操作行為數據可以包括：內容閱讀時長，內容點擊次數，視頻內容觀看次數及播放過程當作的緩衝停留信息等。
比如，選取單元408，用於根據上報的點擊操作行為數據對不同的風格樣式圖片進行排序，然後，基於排序結果來選取目標風格樣式圖片，即最佳風格樣式圖片。
具體實施時，以上各個單元可以作為獨立的實體來實現，也可以進行任意組合，作為同一或若干個實體來實現，以上各個單元的具體實施可參見前面的方法實施例，在此不再贅述。
該封面設置裝置具體可以集成在伺服器中，比如可以集成在圖片風格轉換伺服器中。
由上可知，本發明實施例通過獲取單元401獲取待進行圖片風格轉換的文章內容，該文章內容包括圖片，然後，由圖片確定單元402確定風格轉換所需的風格樣式圖片，由提取單元403基於卷積神經網絡從該風格樣式圖片中提取相應的風格特徵信息，由風格轉換單元404根據該風格特徵信息對該文章內容中的圖片進行風格轉換，得到具有相應圖片風格的目標文章內容，由發送單元405向終端發送該目標文章內容，以便終端展示該目標文章內容。由於該方案可以在伺服器上實現圖片風格轉換，伺服器的處理能相比終端較強，並且該方案在圖片風格轉換時無需用戶進行操作，因此，可以提高圖片風格轉換的速度，進而提高圖片風格轉換的效率。
此外，該方案可以將文章內容中圖片轉換成所需的圖片風格，實現了文章內容圖片的個性化，可以提升用戶點擊轉化效果，增加用戶粘性。
本領域普通技術人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關的硬體來完成，該程序可以存儲於一計算機可讀存儲介質中，存儲介質可以包括：只讀存儲器(rom，readonlymemory)、隨機存取記憶體(ram，randomaccessmemory)、磁碟或光碟等。
以上對本發明實施例所提供的一種圖片風格轉換方法、裝置及系統進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。