【技术实现步骤摘要】
一种模型训练方法、内容生成方法以及相关装置
本申请涉及计算机
，尤其涉及一种模型训练方法、内容生成方法以及相关装置。
技术介绍
随着移动终端相关技术的发展，越来越多的智能设备出现在人们的生活中，其中，通过智能设备进行内容交互为主要应用之一，例如：游戏内容交互，为保证内容对于用户的吸引性，需要对内容进行长期的针对性更新，可以通过人工智能(ArtificialIntelligence，AI)进行内容的智能更新。一般，可以基于图像的AI模仿学习训练方案，即将内容图像作为深度网络的输入，并通过卷积层和全连接层提取图像的深度特征，以对相关模型进行训练，最终通过训练后的模型输出针对性内容。但是，由于在模范学习的过程中，内容图像的特征繁多，且存在一些干扰内容，即无实际内容指示的部分，容易造成模型训练的过拟合，且训练量大，影响模型训练的效率以及准确性。
技术实现思路
有鉴于此，本申请提供一种模型训练的方法，可以有效避免由于训练内容的背景产生的训练干扰，提高模型训练过程的效率及准确性。本申请第...
【技术保护点】
1.一种模型训练的方法，其特征在于，包括：/n基于多张卡牌内容的交互过程获取训练集，所述训练集包括多个视频帧，所述视频帧包括所述卡牌内容的触发区域；/n根据所述卡牌内容的触发区域确定所述视频帧中的特征区域，所述特征区域设有用于指示训练内容的动作标签，所述动作标签基于所述卡牌内容确定，所述特征区域小于所述视频帧的界面区域；/n统计所述特征区域的触发情况，以生成特征向量；/n将所述特征向量输入第一模型进行训练，以得到第二模型，所述第一模型用于关联所述特征向量与所述动作标签，所述第二模型用于指示目标卡牌内容与所述动作标签的对应关系。/n
【技术特征摘要】
1.一种模型训练的方法，其特征在于，包括：
基于多张卡牌内容的交互过程获取训练集，所述训练集包括多个视频帧，所述视频帧包括所述卡牌内容的触发区域；
根据所述卡牌内容的触发区域确定所述视频帧中的特征区域，所述特征区域设有用于指示训练内容的动作标签，所述动作标签基于所述卡牌内容确定，所述特征区域小于所述视频帧的界面区域；
统计所述特征区域的触发情况，以生成特征向量；
将所述特征向量输入第一模型进行训练，以得到第二模型，所述第一模型用于关联所述特征向量与所述动作标签，所述第二模型用于指示目标卡牌内容与所述动作标签的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述根据所述卡牌内容的触发区域确定所述视频帧中的特征区域，包括：
根据所述卡牌内容的触发区域确定所述训练内容在所述视频帧中的位置信息；
根据所述位置信息与所述训练内容的对应关系对第三模型进行训练，以得到第四模型，所述第三模型用于关联所述位置信息与所述训练内容，所述第四模型用于指示所述视频帧与所述特征区域的对应关系；
将所述视频帧输入所述第四模型，以得到所述特征区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述卡牌内容的触发区域确定所述训练内容在所述视频帧中的位置信息之前，所述方法还包括：
确定所述训练内容对应的形状信息；
筛除所述形状信息相似的训练内容，以对所述训练内容进行更新。
4.根据权利要求3所述的方法，其特征在于，所述根据所述位置信息与所述训练内容的对应关系对第三模型进行训练，以得到第四模型，包括：
根据所述形状信息对所述训练内容进行分类，以得到至少两个类别训练内容；
根据所述类别训练内容确定第一梯度信息；
根据所述位置信息确定第二梯度信息；
通过最小化所述第一梯度信息和所述第二梯度信息对所述第三模型的参数进行训练，以得到第四模型。
5.根据权利要求1所述的方法，其特征在于，所述统计所述特征区域的触发情况，以生成特征向量，包括：
分别统计每个视频帧中对应的所述特征区域的触发情况，以生成特征序列，所述特征序列为多维二值序列；
根据所述特征序列生成所述特征向量。
6.根据权利要求5所述的方法，其特征在于，所述分别统计每个视频帧中对应的所述特征区域的触发情况，以生成特征序列，包括：
获取所述特征区域的中心点；
根据所述中心点与触发操作点的距离确定所述触发情况，以生成所述特征序列。
7.根据权利要求1所述的方法，其特征在于，所述将所述特征向量输入第一模型进行训练，以得到第二模型，包括：
确定所述特征向量的时序特征；
将所述特征向量输入所述第一模型进行参数调整；
将所述时序特征输入参数调整后的所述第...
【专利技术属性】
技术研发人员：黄超，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。