[发明专利]模型训练方法、视频处理方法、装置、介质和计算设备

权利要求书

1.一种模型训练方法，包括：

获取多个视频片段；

分别为所述多个视频片段添加标签，其中，所述标签用于表征所述视频片段所包含的有效信息量；

建立包含时间维度的神经网络模型；以及

利用带有标签的所述多个视频片段对所述神经网络模型进行训练，得到优化模型，所述优化模型用于从视频文件中提取包含最大有效信息量的目标视频片段。

2.根据权利要求1所述的方法，其中，所述标签包括：第一标签、第二标签和第三标签，所述第一标签表征的有效信息量大于所述第二标签表征的有效信息量，所述第二标签表征的有效信息量大于所述第三标签表征的有效信息量。

3.根据权利要求2所述的方法，其中，所述利用带有标签的所述多个视频片段对所述神经网络模型进行训练包括：

基于带有标签的所述多个视频片段构建多个样本对，所述样本对包括带有不同标签的两个视频片段；以及

利用所述多个样本对对所述神经网络模型进行训练，得到所述优化模型。

4.根据权利要求3所述的方法，其中，所述利用所述多个样本对对所述神经网络模型进行训练，得到所述优化模型包括：

对于任一样本对，所述任一样本对包括第一视频片段和第二视频片段，所述第一视频片段的标签表征的有效信息量大于所述第二视频片段的标签表征的有效信息量，

将所述任一样本对输入至所述神经网络模型，分别得到所述第一视频片段的第一得分和所述第二视频片段的第二得分；

将所述第一得分减去所述第二得分后得到第一数值；

利用损失函数基于所述第一数值确定损失值，所述损失函数为单调减函数；

当所述损失值小于等于预定阈值时，确定所述神经网络模型为所述优化模型；以及

当所述损失值大于所述预定阈值时，对所述神经网络模型的参数进行优化，重复上述操作直至得到所述优化模型。

5.根据权利要求4所述的方法，其中，所述将所述任一样本对中输入至所述神经网络模型包括：

对于所述任一样本对中的每个视频片段，从该视频片段中提取包含预定数量图像的图像序列；以及

将所述图像序列输入至所述神经网络模型。

6.一种视频处理方法，包括：

获取视频文件；以及

利用优化模型处理所述视频文件，以便从所述视频文件中提取包含最大有效信息量的目标视频片段，所述优化模型是基于如权利要求1～5中任一项所述的模型训练方法得到的。

7.一种模型训练装置，包括：

第一获取模块，用于获取多个视频片段；

标记模块，用于分别为所述多个视频片段添加标签，其中，所述标签用于表征所述视频片段所包含的有效信息量；

建模模块，用于建立包含时间维度的神经网络模型；以及

训练模块，用于利用带有标签的所述多个视频片段对所述神经网络模型进行训练，得到优化模型，所述优化模型用于从视频文件中提取包含最大有效信息量的目标视频片段。

8.一种视频处理装置，包括：

第二获取模块，用于获取视频文件；以及

提取模块，用于利用优化模型处理所述视频文件，以便从所述视频文件中提取包含最大有效信息量的目标视频片段，所述优化模型是基于如权利要求1～5中任一项所述的模型训练方法得到的。

9.一种介质，存储有计算机可执行指令，所述指令在被处理器执行时用于实现：

如权利要求1至5中任一项所述的模型训练方法；并且/或者

如权利要求6所述的视频处理方法。

10.一种计算设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的可执行指令，所述处理器执行所述指令时实现：

如权利要求1至5中任一项所述的模型训练方法；并且/或者

如权利要求6所述的视频处理方法。