ashnkumar/sketch-code

해결하는 문제

손으로 그린 웹 와이어프레임을 작동 가능한 HTML 코드로 변환하여, 시각적 모크업을 마크업으로 변환함으로써 프론트엔드 개발 과정의 일부를 자동화합니다.

작동 방식

이 프로젝트는 이미지 캡셔닝 아키텍처를 기반으로 한 딥러닝 아키텍처를 사용합니다. 이미지를 처리하기 위해 CNN 인코더를 사용하고, HTML을 생성하기 위해 LSTM 디코더를 사용하며, 마치 이미지의 캡셔닝처럼 동작합니다. 1,700개의 합성 이미지 데이터셋으로 훈련되었습니다.

대상 사용자

초기 딥러닝 기술을 사용하여 모크업에서 코드로의 자동 변환을 실험하고자 하는 개발자 및 디자이너를 위한 것입니다.

주요 특징

• HTML 생성을 이미지 캡셔닝 문제로 간주하여 CNN-LSTM 아키텍처를 사용합니다.
• 이미지에서 HTML로의 배치 처리를 지원합니다.
• 모델을 처음부터 훈련하거나 사전 학습된 가중치를 미세 조정하기 위한 스크립트가 포함되어 있습니다.
• 예측 정확도를 측정하기 위해 BLEU 점수를 사용하는 평가 도구를 제공합니다.