[发明专利]一种游戏场景描述方法、装置、设备及其存储介质

说明书

本发明公开了一种游戏场景描述方法、装置、设备及其存储介质。该方法包括：将待识别游戏图像输入第一神经网络模型，得到与所述待识别游戏图像对应的描述性词语标签；将所述描述性词语标签输入第二神经网络模型，得到与所述待识别游戏图像匹配的游戏场景描述信息。本发明可以自动识别视频直播平台主播正在进行的直播游戏，自动对直播间进行分类，自动对游戏场景进行文字直播。全程无需人为干预，极大的节省了人力成本，提高了分类效率和描述效率。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种游戏场景描述方法、装置、设备及其存储介质。

背景技术

随着互联网技术的爆炸式发展，各种图像、视频和直播网站如雨后春笋般涌现。人们接触到的东西也渐渐由文字变成了图像、视频或直播等更具表现力的内容。这些网站会产生大量的图像、视频数据，图像比文字包含更多的信息。

大量的图像和视频信息要求平台方更加高效的提供符合用户口味的内容，也要求及时把用户可能感兴趣的内容置顶，加大平台对用户的粘性。所有这些的前提就是需要视频提供平台对视频进行描述和分类。以对游戏直播中的场景进行描述为例，传统方法是依赖人工去辨识和分类。如招募大量熟悉游戏的客服人员观看游戏直播视频，识别直播中游戏的类型、游戏的名称；识别MOBA(Multiplayer Online Battle Arena，多人在线战术竞技游戏)类游戏中玩家使用的游戏角色；识别第一人称射击类游戏中玩家携带的装备等。或者是通过跟踪观看某一游戏的直播，对游戏进行文字直播，如果要对游戏进行直播，一般需要通过多个客服人员同时观看游戏，对自己负责部分的场景进行描述，通过轮流打字，对游戏进行文字直播。

使用客服人员对游戏进行打标签和场景描述，虽然也能获得很高的精度(约99％)。但人工识别的速度约10FPS(Frames Per Second，每秒传输帧数)，同时人工的文字输入速度也较低。因此，使用人工识别游戏场景的实施成本很高，效率低下。

发明内容

本发明提供一种游戏场景描述方法、装置、设备及其存储介质，以实现自动识别视频直播平台主播正在进行的直播游戏，自动对直播间进行分类，自动对游戏场景进行文字直播。

第一方面，本发明实施例提供了一种游戏场景描述方法，包括：

将待识别游戏图像输入第一神经网络模型，得到与所述待识别游戏图像对应的描述性词语标签；

将所述描述性词语标签输入第二神经网络模型，得到与所述待识别游戏图像匹配的游戏场景描述信息；

其中，所述第一神经网络模型包括：特征提取网络子模型以及目标探测网络子模型；所述特征提取网络子模型用于对输入的图像进行图像特征提取并输入至所述目标探测网络子模型，所述目标探测网络子模型用于对输入的图像特征进行检测，得到与图像特征对应的描述性词语标签。

第二方面，本发明实施例还提供了一种游戏场景描述装置，包括：

词语标签获取模块，用于将待识别游戏图像输入第一神经网络模型，得到与所述待识别游戏图像对应的描述性词语标签；

场景信息获取模块，用于将所述描述性词语标签输入第二神经网络模型，得到与所述待识别游戏图像匹配的游戏场景描述信息；

其中，所述第一神经网络模型包括：特征提取网络子模型以及目标探测网络子模型；所述特征提取网络子模型用于对输入的图像进行图像特征提取并输入至所述目标探测网络子模型，所述目标探测网络子模型用于对输入的图像特征进行检测，得到与图像特征对应的描述性词语标签。

第三方面，本发明实施例还提供了一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；