(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211146329.X (22)申请日 2022.09.20 (71)申请人 上海硬通网络科技有限公司 地址 200331 上海市嘉定区真南路4268号2 幢JT10639室 (72)发明人 王传鹏　李腾飞　卢炬康　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 孔凡红 (51)Int.Cl. A63F 13/63(2014.01) G06F 16/953(2019.01) G06V 40/16(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种游戏画风搜索网络的训练、 游戏搜索方 法及相关 设备 (57)摘要 本发明公开了一种游戏画风搜索网络的训 练、 游戏搜索方法及相关设备， 该方法包括： 加载 图像搜索网络； 针对多款游戏， 分别获取作为游 戏中画风代表的图像数据； 在图像数据中检测人 像数据； 以人像数据作为样本将图像搜索网络训 练为人像画风搜索网络， 人像画风搜索网络用于 提取人像数据在画风上的特征； 以图像数据作为 样本将图像搜索网络训练为全域画风搜索网络， 全域画风搜索网络用于提取图像数据在画风上 的特征； 将人像画风搜索网络与全域画风搜索网 络联合输 出为游戏画风搜索网络。 本实施例为游 戏画风搜索提供基础， 实现搜索画风相似的游 戏， 给予游戏搜索更多的扩展性， 提高搜索游戏 时的精确度。 权利要求书4页 说明书22页 附图4页 CN 115475388 A 2022.12.16 CN 115475388 A 1.一种游戏画风搜索网络的训练方法， 其特 征在于， 包括： 加载图像搜索网络； 针对多款游戏， 分别获取作为所述游戏中画风代 表的图像数据； 在所述图像数据中检测人像数据； 以所述人像数据作为样本将所述图像搜索网络训练为人像画风搜索网络， 所述人像画 风搜索网络用于提取 所述人像数据在画风上的特 征； 以所述图像数据作为样本将所述图像搜索网络训练为全域画风搜索网络， 所述全域画 风搜索网络用于提取 所述图像数据在画风上的特 征； 将所述人像画风搜索网络与所述全域画风搜索网络联合输出为游戏画风搜索网络 。 2.根据权利要求1所述的方法， 其特征在于， 所述针对多款游戏， 分别获取作为所述游 戏中画风代 表的图像数据， 包括： 在指定的游戏库中搜索多款游戏； 若搜索到所述游戏时， 查找所述游戏库中发布的、 用于介绍所述游戏的图像数据， 作为 所述游戏中的画风代 表。 3.根据权利要求1所述的方法， 其特征在于， 所述在所述图像数据中检测人像数据， 包 括： 在所述图像数据中识别人脸数据； 若识别到所述人脸数据， 则在所述图像数据中对所述人脸数据进行扩展， 得到人像数 据； 若未识别到所述人脸数据， 则确定在所述图像数据中未检测到人像数据。 4.根据权利要求3所述的方法， 其特征在于， 所述在所述图像数据中对所述人脸数据进 行扩展， 得到人像数据， 包括： 查询所述人脸数据的宽、 高； 对所述宽乘以第一系数， 得到第一 步长； 对所述高乘以第二系数， 得到第二 步长； 对所述高乘以第三系数， 得到第三 步长， 其中， 所述第三系数 大于所述第二系数； 在所述图像数据中， 沿水平方向对所述人脸数据扩展所述第一步长、 沿垂直向上方向 对所述人脸数据扩展所述第二步长、 沿垂直向下方向对所述人脸数据扩展所述第三步长， 得到人像数据。 5.根据权利要求1 ‑4中任一项所述的方法， 其特征在于， 所述以所述人像数据作为样本 将所述图像搜索网络训练为人像画风搜索网络， 包括： 将所述人像数据输入所述图像搜索网络中提取画风上的特 征， 获得人像画风特 征； 计算所述人像画风特 征在多个通道上依据画风进行分类时的第一人像损失值； 计算所述人像画风特 征在单个所述 通道上依据画风进行分类时的第二人像损失值； 结合所述第一人像损失值与所述第二人像损失值更新所述图像搜索网络的参数； 判断是否满足预设的第一训练条件； 若是， 则将所述图像搜索网络的参数输出至第一 配置文件中， 若否， 则返回执行所述将所述人像数据输入所述图像搜索 网络中提取画风上 的特征， 获得人像画风特 征。 6.根据权利要求5所述的方法， 其特征在于， 所述图像搜索网络包含第一残差网络、 第权　利　要　求　书 1/4 页 2 CN 115475388 A 2二残差网络、 第三残差网络与第四残差网络； 所述将所述人像数据输入所述图像搜索网络中提取画风上的特征， 获得人像画风特 征， 包括： 将所述人像数据输入所述第 一残差网络 中提取特征并进行下采样， 得到第 一人像候选 特征； 将所述第一人像候选特征输入所述第 二残差网络中提取并进行下采样， 得到第 二人像 候选特征； 将所述第二人像候选特征输入所述第三残差网络中提取特征， 得到第三人像候选特 征； 将所述第三人像候选特 征输入所述第四残差网络中提取 特征， 得到人像画风特 征。 7.根据权利要求5所述的方法， 其特征在于， 所述计算所述人像画风特征在多个通道上 依据画风进行分类时的第一人像损失值， 包括： 分别对所述人像画风特征在多个通道上的子块执行带池化的全局描述处理， 得到第 一 人像通道特 征； 分别对每 个所述第一人像通道特 征执行全连接操作， 以降维为第二人像通道特 征； 分别对每个所述第 二人像通道特征执行第 二范数的归一化处理， 得到第 三人像通道特 征； 将所有所述第三人像通道特 征执行串联操作， 得到第一人像全局特 征； 对所述第一人像全局特 征执行第二范 数的归一 化处理， 得到第二人像全局特 征； 使用所述第 二人像全局特征计算用于分类的加性角度间隔的损失， 获得第 一人像损失 值。 8.根据权利要求7所述的方法， 其特征在于， 所述计算所述人像画风特征在单个所述通 道上依据画风进行分类时的第二人像损失值， 包括： 对首个所述第一人像通道特 征执行批标准 化操作， 得到为第四人像通道特 征； 对所述第四人像通道特 征执行全连接操作， 以映射 为第五人像通道特 征； 对所述第五人像通道特 征进行激活， 获得第六 人像通道特 征； 使用所述第六人像通道特征计算用于分类的加性角度间隔的损失， 获得第 二人像损失 值。 9.根据权利 要求1‑4、 6‑8中任一项所述的方法， 其特征在于， 所述以所述图像数据作 为 样本将所述图像搜索网络训练为全域画风搜索网络， 包括： 将所述图像数据输入所述图像搜索网络中提取画风上的特 征， 获得全域画风特 征； 对所述人像数据进行聚类， 得到所述图像数据的类别； 以所述类别作为标签， 计算所述全域画风特征在多个通道上依据画风进行分类时的第 一全域损失值； 以所述类别作为标签， 计算所述全域画风特征单个所述通道上依据画风进行分类时的 第二全域损失值； 结合所述第一全域损失值与所述第二全域损失值更新所述图像搜索网络的参数； 判断是否满足预设的第二训练条件； 若是， 则将所述图像搜索网络的参数输出至第二 配置文件中， 若否， 则返回执行所述将所述全域数据输入所述图像搜索 网络中提取画风上权　利　要　求　书 2/4 页 3 CN 115475388 A 3