(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 202211081815.8 (22)申请日 2022.09.06 (71)申请人 白杨时代 （北京） 科技有限公司 地址 100094 北京市海淀区北清路81号院 二区3号楼10层10 02-3室 (72)发明人 徐峰　彭鹏　鲁伟超　 (74)专利代理 机构 北京信远 达知识产权代理有 限公司 1 1304 专利代理师 张玉巾 (51)Int.Cl. G06F 16/29(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 一种目标确定方法及装置 (57)摘要 本申请公开了一种目标确定方法及装置， 方 法包括： 获取第一虚拟作战场景中各个第一对象 的局部地图； 将局部地图输入预先训练好的卷积 神经网络模 型， 得到卷积神经网络模 型确定的所 述局部地图的目标信息， 目标信息至少包含第一 对象和所述局部地图中至少一个第二对象的第 一语义信息和空间信息； 对目标信息与第一对象 的第二语义信息进行组合， 得到待使用信息； 将 各个第一对象的待使用信息输入预先训练好的 神经网络模 型， 得到神经网络模 型确定的目标对 象， 目标对象为各个第一对象中的其中一个或多 个。 权利要求书2页 说明书8页 附图4页 CN 115146018 A 2022.10.04 CN 115146018 A 1.一种目标确定方法， 其特 征在于， 包括： 获取第一虚拟作战场景中各个第一对象的局部地图； 将所述局部地图输入预先训练好的卷积神经网络模型， 得到所述卷积神经网络模型确 定的所述局部地图的目标信息， 所述目标信息至少包含所述第一对象和所述局部地图中至 少一个第二对象的第一语义信息和空间信息； 对所述目标信息与所述第一对象的第二语义信息进行组合， 得到待 使用信息； 将各个所述第 一对象的所述待使用信 息输入预先训练好的神经网络模型， 得到所述神 经网络模型确定的目标对象， 所述目标对象为各个所述第一对象中的其中一个或多个。 2.根据权利要求1所述的方法， 其特征在于， 对所述目标信 息与所述第一对象的第 二语 义信息进行组合， 得到待 使用信息， 包括： 对所述目标信息与所述第一对象的第二语义信息进行拼接， 得到待 使用信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述将各个所述第 一对象的所述待使用信 息输入预先训练好的神经网络模型， 得到所述神经网络模型确定的目标对象， 包括： 分别对各个所述第一对象的所述待 使用信息进行编码， 得到编码向量； 将各个所述第 一对象的所述编码向量输入预先训练好的神经网络模型， 得到所述神经 网络模型确定的目标对象。 4.根据权利要求1所述的方法， 其特征在于， 所述将各个所述第 一对象的所述待使用信 息输入预先训练好的神经网络模型， 得到所述神经网络模型确定的目标对象， 包括： 将各个所述第 一对象的所述待使用信 息输入预先训练好的注意力 机制模型， 得到所述 注意力机制模型确定的目标对象。 5.根据权利要求1所述的方法， 其特征在于， 所述卷积神经网络模型通过以下方式训练 得到： 获取第二虚拟作战场景中各个第三对象的训练局部地图； 将所述训练局部地图输入卷积神经网络模型， 得到所述卷积神经网络模型确定的所述 训练局部地图的信息， 所述训练局部地图的信息至少包含所述第三对象 的第三语义信息和 空间信息及所述训练局部地图中至少一个第四对象的第四语义信息和空间信息； 将所述训练局部地图的信息与所述第三对象的第五语义信息进行组合， 得到组合信 息； 利用所述组合信 息对神经网络模型进行无监督训练， 在所述神经网络模型满足设定条 件的情况 下， 结束训练； 在所述神经网络模型不满足设定条件的情况下， 更新所述卷积神经网络模型和所述神 经网络模型的参数， 并返回执行所述 获取第二虚拟作战场景中各个第二对象的训练局部地 图的步骤。 6.一种目标确定装置， 其特 征在于， 包括： 获取模块， 用于获取第一虚拟作战场景中各个第一对象的局部地图； 第一确定模块， 用于将所述局部地图输入预先训练好的卷积神经网络模型， 得到所述 卷积神经网络模型确定的所述局部地图的目标信息， 所述目标信息至少包含所述第一对象 和所述局部地图中至少一个第二对象的第一语义信息和空间信息； 组合模块， 用于对所述目标信息与所述第一对象的第二语义信息进行组合， 得到待使权　利　要　求　书 1/2 页 2 CN 115146018 A 2用信息； 第二确定模块， 用于将各个所述第 一对象的所述待使用信 息输入预先训练好的神经网 络模型， 得到所述神经网络模型确定的目标对 象， 所述目标对象为各个所述第一对 象中的 其中一个或多个。 7.根据权利要求6所述的装置， 其特 征在于， 所述组合模块， 具体用于： 对所述目标信息与所述第一对象的第二语义信息进行拼接， 得到待 使用信息 。 8.根据权利要求6所述的装置， 其特 征在于， 所述第二确定模块， 具体用于： 分别对各个所述第一对象的所述待 使用信息进行编码， 得到编码向量； 将各个所述第 一对象的所述编码向量输入预先训练好的神经网络模型， 得到所述神经 网络模型确定的目标对象。 9.根据权利要求6所述的装置， 其特 征在于， 所述第二确定模块， 具体用于： 将各个所述第 一对象的所述待使用信 息输入预先训练好的注意力 机制模型， 得到所述 注意力机制模型确定的目标对象。 10.根据权利要求6所述的装置， 其特 征在于， 所述装置还 包括： 训练模块， 用于： 获取第二虚拟作战场景中各个第三对象的训练局部地图； 将所述训练局部地图输入卷积神经网络模型， 得到所述卷积神经网络模型确定的所述 训练局部地图的信息， 所述训练局部地图的信息至少包含所述第三对象 的第三语义信息和 空间信息及所述训练局部地图中至少一个第四对象的第四语义信息和空间信息； 将所述训练局部地图的信息与所述第三对象的第五语义信息进行组合， 得到组合信 息； 利用所述组合信 息对神经网络模型进行无监督训练， 在所述神经网络模型满足设定条 件的情况 下， 结束训练； 在所述神经网络模型不满足设定条件的情况下， 更新所述卷积神经网络模型和所述神 经网络模型的参数， 并返回执行所述 获取第二虚拟作战场景中各个第二对象的训练局部地 图的步骤。权　利　要　求　书 2/2 页 3 CN 115146018 A 3