[发明专利]一种模型训练方法、内容生成方法以及相关装置

说明书

本申请公开了一种模型训练方法、内容生成方法以及相关装置，应用于基于人工智能的卡牌内容生成过程中，通过获取包括多个卡牌内容的视频帧作为训练集，并确定视频帧中的特征区域；然后统计特征区域的触发情况，以生成特征向量并输入第一模型进行训练，以得到用于指示目标卡牌内容与动作标签的对应关系的第二模型。从而实现了基于特征区域的模仿学习训练过程，由于特征区域为视频帧对应卡牌图像的一部分，不包含背景部分或其他干扰区域，使得模型训练过程具有针对性，减小了模型训练过程中的数据处理量，提高了模型训练效率以及准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种模型训练方法、内容生成方法以及相关装置。

背景技术

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。

发明内容

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。

本申请第一方面提供一种模型训练的方法，可以应用于终端设备中包含模型训练功能的系统或程序中，具体包括：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。

可选的，在本申请一些可能的实现方式中，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。

可选的，在本申请一些可能的实现方式中，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。

可选的，在本申请一些可能的实现方式中，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；