(19)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 202211164220.9
(22)申请日 2022.09.23
(71)申请人 上海汇付支付有限公司
地址 200233 上海市徐汇区宜山路70 0号C5
栋5楼
(72)发明人 周晔 穆海洁 胡鹏程 赵天龙
(74)专利代理 机构 上海专利商标事务所有限公
司 31100
专利代理师 施浩
(51)Int.Cl.
G06F 16/958(2019.01)
G06N 20/00(2019.01)
G06V 10/44(2022.01)
G06V 10/46(2022.01)
(54)发明名称
基于机器学习识别图形并转换为网页代码
的方法和系统
(57)摘要
本发明公开了一种基于机器学习识别图形
并转换为网页代码的方法和系统, 能够根据
Sketch设计图自动生成网页代码。 其技术方案
为: 系统包括图形解析编码引擎、 与图形解析编
码引擎连接的低代码平台, 其中图形解析编码引
擎配置为接收Sketch设计稿的数据, 其中一部分
数据生成为HTML代码以供直接发布; 另一部分数
据生成为DSL描述文件后输出至低代码平台; 低
代码平台配置为对DSL描 述文件进行二次配置后
发布。
权利要求书2页 说明书6页 附图3页
CN 115455332 A
2022.12.09
CN 115455332 A
1.一种基于机器学习识别图形并转换为网页代码的系统, 其特征在于, 系统包括图形
解析编码引擎、 与图形解析编码引擎连接的低代码平台, 其中:
图形解析编码引擎配置为: 接收Sketch设计稿的数据, 其中一部分数据生成为HTML代
码以供直接发布; 另一部分数据生成为D SL描述文件后输出至低代码平台;
低代码平台配置为: 对D SL描述文件进行二次配置后发布。
2.根据权利要求1所述的基于机器学习识别图形并转换为网页代码的系统, 其特征在
于, 图形解析编码引擎包括图形 处理模块、 分别与图形处理模块相连的DSL生 成模块和HTML
生成模块, 其中:
图形处理模块, 配置为对Sketch设计稿的数据进行图形分析处理, 将图形分析处理的
结果输出至DSL生成模块和 HTML生成模块, 其中图形分析处理是通过机器学习训练所得的
模型匹配出Sketc h设计稿各个区域的图形, 识别出布局类型、 页面控 件类型;
DSL生成模块, 配置为在根据图形处理模块所得的页面布局及控件类型、 位置在内的信
息判断为需要生成的是D SL的情况 下, 生成D SL描述文件;
HTML生成模块, 配置为在根据图形处理模块所得的页面布局及控件类型、 位置在内的
信息判断为需要生成的是HTML的情况 下, 生成原生的HTML代码。
3.根据权利要求2所述的基于机器学习识别图形并转换为网页代码的系统, 其特征在
于, 图形处 理模块包括图形计算模块、 深度学习模块和模型匹配模块, 其中:
图形计算模块, 根据Sketc h使用的基础组件计算页面的布局以及控 件类型、 位置;
深度学习模块, 对图形结算模块的输出结果进行特征提取并与存量数据进行对比分
析, 形成相应的模式;
模式匹配模块, 辅助图形计算模块中先进行模式匹配, 对匹配成功 的对象直接根据所
匹配的模式进行包括页面布局、 控 件类型及位置在内的数据提取处 理。
4.根据权利要求1所述的基于机器学习识别图形并转换为网页代码的系统, 其特征在
于, 低代码平台包括组件匹配模块、 样式转换模块、 页面 适配模块和代码生成模块, 其中:
组件匹配模块配置为: 根据DSL描述文件 匹配出整个页面需要使用的低代码平台组件,
低代码平台组件 包括布局组件、 基础组件;
样式转换模块配置为: 对匹配出的控件根据DSL描述文件的描述, 修改控件样式、 大小
以及布局位置;
页面适配模块配置为: 根据不同分辨 率进行响应式布局, 以适配不同分辨 率设备;
代码生成模块配置为: 根据选择的前端 主流框架生成对应的代码。
5.一种基于 机器学习识别图形并转换为网页代码的方法, 其特 征在于, 方法包括:
步骤1: 图形解析编码引擎接收Sketc h设计稿;
步骤2: 图形解析编码引擎根据Sketch使用的基础组件计算页面的布局以及控件类型、
位置在内的信息;
步骤3: 图形解析编码引擎将Sketch设计稿的一部分数据生成为HTML代码以供直接进
行代码发布;
步骤4: 图形解析编码引擎将Sketch设计稿的另一部分数据生成为DSL描述文件, 并导
入到低代码平台;
步骤5: 低代码平台基于 接收到的D SL描述文件经二次配置后进行代码发布。权 利 要 求 书 1/2 页
2
CN 115455332 A
26.根据权利要求5所述的基于机器学习识别图形并转换为网页代码的方法, 其特征在
于, 步骤2进一 步包括:
步骤2.1:对Sketch文件进行边缘检测、 轮廓检测, 提取Sketch文件中识别到的所有图
形特征;
步骤2.2: 进行特征检测, 对图形中识别到的图形特征逐个进行识别, 其中包括提取每
个图形特征的特征点与匹配模板进行匹配, 得 出页面的布局、 控 件类型及位置 。
7.根据权利要求6所述的基于机器学习识别图形并转换为网页代码的方法, 其特征在
于, 在步骤2.2中, 引入深度学习和模式匹配: 对图形进行特征提取并与存量数据进行对比
分析, 以形成相应的模式, 以在特征检测的处理中先进 行模式匹配, 对匹配成功的对象直接
根据所匹配的模式进行包括页面布局、 控 件类型及位置在内的数据提取处 理。
8.根据权利要求5所述的基于机器学习识别图形并转换为网页代码的方法, 其特征在
于, 步骤5的二次配置进一 步包括:
根据DSL描述文件匹配出整个页面需要使用的低代码平台组件, 低代码平台组件包括
布局组件、 基础组件;
对匹配出的控 件根据DSL描述文件的描述, 修改控 件样式、 大小以及布局位置;
根据不同分辨 率进行响应式布局, 以适配不同分辨 率设备;
根据选择的前端 主流框架生成对应的代码。权 利 要 求 书 2/2 页
3
CN 115455332 A
3
专利 基于机器学习识别图形并转换为网页代码的方法和系统
安全报告 >
其他 >
文档预览
中文文档
12 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:41:32上传分享