1.基于深度学习生成文档图像集的方法，其特征在于，包括以下步骤：步骤A、向量空间投影建模：将文档图像页面中的对象视为一个序列，序列中每一个节点对应一个对象的类型，得到文档对象序列和与其一一对应的对象类型序列，并将对象类型序列重排得到其对应的二维矩阵，从而将对象类型序列从一维向量空间投影至二维向量空间；

步骤B、深度卷积生成对抗网络建模：所述对抗网络包含判别网络和生成网络；判别网络采用已有文档图像进行训练，其作用在于训练生成网络；生成网络训练好后，训练后的生成网络用以生成二维矩阵，旨在后续自动生成文档图像集；

步骤C、训练网络模型参数：对步骤B构建的对抗网络进行训练并求解网络参数；将现有文档图像中的文档对象类型序列重排为二维矩阵，用于训练判别网络；

并使用训练好的判别网络对生成网络进行训练，在对对抗网络进行训练时，具体采用以下方式：(1)利用KL散度定义网络的损失函数：

i i

其中，NS表示样本数量，1≤i≤NS；A 表示步骤A所述二维矩阵的第i个样本点；Ρ表示生成网络输入端输入的随机向量的第i个样本点；

(2)基于步骤A得到的二维矩阵作为输入训练网络，采用梯度下降法求解网络参数，梯度函数为：其中，D(para‑d)为判别网络结构，para‑d为判别网络参数；G(para‑g)为生成网络结构，para‑g为生成网络参数；

在训练过程中，首先用二维矩阵训练判别网络，并使用训练后的判别网络训练生成网络；

步骤D、生成对象类型序列：基于训练好的生成网络自动输出新的二维矩阵；然后，将该新的二维矩阵投影至一维向量空间，得到新的文档对象类型序列；

步骤E、生成文档对象内容：采集各种文档对象数据，并根据步骤D生成新的文档对象类型序列，自动生成文档对象的具体内容；

步骤F、将步骤E生成的文档转换成文档图像，生成文档图像集，所述文档图像集包含文档图像、文档对象坐标信息和文档对象具体内容。

2.根据权利要求1所述的基于深度学习生成文档图像集的方法，其特征在于：所述步骤A中，所述对象的类型包括页眉、文本、图、图注、表格、公式、页码和页脚；

(1)将文档图像页面中的若干个对象定义为文档对象序列，即：DOi,i＝1,2,3...N                        (1)其中，DOi表示第i个文档对象；N表示文档对象的数量；

并将与文档对象序列对应的类型序列定义为对象类型序列，即：yi,i＝1,2,3...N                         (2)yi∈{Typej|j＝1,2,3...M}                       (3)其中，yi表示第i个文档对象对应的类型，M表示对象类型的数量，Typej表示类型；

(2)将每一页文档图像页面中的文档对象序列视为一个向量，将公式(1)和公式(2)表示为向量形式：DO＝[DO1,DO2,DO3,...DON]                    (4)Y＝[y1,y2,y3,...yN]；                        (5)(3)设有p页文档图像，将第p页的文档对象序列和对象类型序列分别表示成向量形式：其中，上标p表示第p页，下标Np表示第p页中文档对象的数量，第p页的第i个对象的类型为 1≤i≤Np，第p页共有Np个文档对象，第p‑1页共有N(p‑1)个文档对象；

(4)将1～p页的对象类型序列按照页码顺序排列， 在整个序列中的位置为：其中Ni表示第i页中的文档对象个数，将式(8)投影至二维矩阵中，K表示二维矩阵的行数和列数，行数等于列数，二维矩阵的列坐标为：二维矩阵的行坐标为：

进而可以得到：

(5)对二维矩阵定义如下：

A＝[ak1,k2]K×K                            (13)其中，1≤k1,k2≤K，根据式(9)～(11)将式(13)中元素与第p页的第i个对象的类型建立一一对应的关系。

3.根据权利要求1所述的基于深度学习生成文档图像集的方法，其特征在于：所述步骤B中，所述判别网络包括从左至右依次连接的四组卷积核和一个全连接层，四组卷积核使用的激活函数均为ReLU；所述生成网络包括从左至右依次连接的全连接层和四组卷积核，四组卷积核使用的激活函数分别为：ReLU、ReLU、ReLU和Tanh。