[发明专利]一种信息处理方法、装置、计算机设备及存储介质

权利要求书

1.一种信息处理方法，其特征在于，所述方法包括：

获取目标游戏中目标虚拟物品在至少一视角下对应的至少一外观图像，其中，所述目标虚拟物品为所述目标游戏的虚拟商城中待出售的虚拟物品；

对所述外观图像进行特征提取，得到所述外观图像的图像特征信息；

确定所述图像特征信息归类于不同收益范围的概率信息；

基于所述概率信息与所述不同收益范围，确定所述目标虚拟物品对应的目标收益信息，所述目标收益信息为预测得到的所述目标虚拟物品在所述虚拟商城中进行出售的收益信息。

2.根据权利要求1所述的方法，其特征在于，所述确定所述图像特征信息归类于不同收益范围的概率信息，包括：

将所述图像特征信息输入训练后网络模型中；

基于所述训练后网络模型计算所述图像特征信息归类于每一样本收益范围的概率值，得到所述概率信息。

3.根据权利要求2所述的方法，其特征在于，在将所述图像特征信息输入训练后网络模型之前，还包括：

采集所述目标游戏中样本虚拟物品在不同视角下的样本外观图像，其中，所述样本虚拟物品包括：指定历史时间段内在所述虚拟商城中进行出售的虚拟物品；

获取所述样本外观图像在所述指定历史时间段内进行出售的实际收益信息；

基于所述样本外观图像与所述实际收益信息，构建所述训练后网络模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述样本外观图像与所述实际收益信息，构建所述训练后网络模型，包括：

对所述样本外观图像进行图像锐化处理，得到处理后样本外观图像；

提取所述处理后样本外观图像的样本图像特征信息；

基于所述样本图像特征信息与所述实际收益信息对预设网络模型进行训练，得到所述训练后网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述样本图像特征信息与所述实际收益信息对预设网络模型进行训练，得到所述训练后网络模型，包括：

根据所述样本图像特征信息与所述实际收益信息生成训练样本对；

基于所述训练样本对对所述预设网络模型进行训练，得到所述训练样本对中所述样本图像特征信息归类于每一收益范围的预测概率值；

确定所述训练样本对中所述样本图像特征信息归类于每一收益范围的实际概率值；

通过预测概率值与所述实际概率值对所述预设网络模型的模型参数模型进行调整，直至所述预设网络模型收敛，得到所述训练后网络模型。

6.根据权利要求4所述的方法，其特征在于，所述预设网络模型包括：多个预设子网络模型；

所述基于所述样本图像特征信息与所述实际收益信息对预设网络模型进行训练，得到所述训练后网络模型，包括：

基于所述样本图像特征信息与所述实际收益信息对每一预设子网络模型进行训练，得到训练后子网络模型；

获取验证样本对，并通过所述验证样本对对所述训练后子网络模型进行验证，得到所述训练后子网络模型的验证结果；

基于所述验证结果从多个训练后子网络模型中确定目标训练后子网络模型，得到所述训练后网络模型。

7.根据权利要求2所述的方法，其特征在于，在将所述图像特征信息输入训练后网络模型之前，还包括：

识别所述目标虚拟物品，得到所述目标虚拟物品的物品类型；

从多个训练后网络模型中，确定所述物品类型对应的目标训练后网络模型，其中，不同物品类型对应不同训练后网络模型；

所述将所述图像特征信息输入训练后网络模型中，包括：

将所述图像特征信息输入所述目标训练后网络模型中。

8.根据权利要求1所述的方法，其特征在于，所述获取目标游戏中目标虚拟物品在至少一视角下对应的至少一外观图像，包括：

对所述目标虚拟物品在不同视角下进行投影，得到所述目标虚拟物品在所述不同视角下的投影图像；

确定所述目标虚拟物品的物品类型对应的图像尺寸参数；

基于所述图像尺寸参数对所述投影图像的尺寸进行调整，得到所述外观图像。