[发明专利]一种视频内容评估方法、装置、存储介质及计算机设备

权利要求书

1.一种视频内容评估方法，其特征在于，包括：

获取待评估视频的文本信息和图像信息，以及获取所述待评估视频对应的关联对象的评估信息；

对所述文本信息进行向量转化，得到文本向量；

将所述图像信息输入训练后的第一神经网络模型，得到图像向量，所述训练后的第一神经网络模型的网络参数基于样本图像信息、及其对应的关联对象的样本评估信息和标签训练得到；

将所述文本向量、所述图像向量和所述评估信息输入训练后的第二神经网络模型，得到所述待评估视频的内容评估结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本图像信息、及其对应的关联对象的样本评估信息和标签；

提取所述样本图像信息对应的初始样本图像向量；

将所述初始样本图像向量输入第一神经网络模型，得到模型输出结果；

根据所述样本评估信息、所述模型输出结果以及所述标签对所述第一神经网络模型的网络参数进行调整，以得到训练后的第一神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本评估信息、所述模型输出结果以及所述标签对所述第一神经网络模型的网络参数进行调整，以得到训练后的第一神经网络模型，包括：

基于所述样本评估信息、所述模型输出结果以及所述标签进行计算，得到所述第一神经网络模型的损失值；

基于所述损失值，对所述第一神经网络模型的网络参数进行迭代调整，以得到训练后的第一神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述图像信息输入训练后的第一神经网络模型，得到图像向量，包括：

对所述图像信息进行特征提取，得到所述图像信息对应的初始图像向量；

将所述初始图像向量输入训练后的第一神经网络模型，得到所述图像信息对应的图像向量。

5.根据权利要求1所述的方法，其特征在于，所述训练后的第二神经网络模型包括训练后的文本网络参数和图像网络参数，所述将所述文本向量、所述图像向量和所述评估信息输入训练后的第二神经网络模型，得到所述待评估视频的内容评估结果，包括：

将所述图像向量和所述评估信息进行融合，得到目标图像向量；

基于训练后的文本网络参数和图像网络参数分别对所述文本向量和所述目标图像向量进行卷积计算，以得到所述待评估视频的内容评估结果。

6.根据权利要求5所述的方法，其特征在于，所述基于训练后的文本网络参数和图像网络参数分别对所述文本向量和所述目标图像向量进行卷积计算，以得到所述待评估视频的内容评估结果，包括：

基于训练后的文本网络参数对所述文本向量进行卷积计算，得到第一特征向量，以及基于训练后的图像网络参数对所述目标图像向量进行卷积计算，得到第二特征向量；

合并所述第一特征向量和所述第二特征向量，得到内容特征向量；

将所述内容特征向量输入预设函数，得到所述待评估视频的内容评估结果。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取样本视频的标签、文本样本信息、图像样本信息、以及其对应的关联对象的样本评估信息；

基于所述样本视频的文本样本信息、图像样本信息、样本评估信息以及标签，对第二神经网络模型的网络参数进行调整，以得到训练后的第二神经网络模型。

8.根据权利要求7所述的方法，其特征在于，所述基于所述样本视频的文本样本信息、图像样本信息、样本评估信息以及标签，对第二神经网络模型的网络参数进行调整，以得到训练后的第二神经网络模型，包括：

对所述文本样本信息进行向量转化，得到文本样本向量；

将所述图像样本信息输入训练后的第一神经网络模型，得到图像样本向量；

将所述文本样本向量、所述图像样本向量以及所述样本评估信息输入第二神经网络，得到所述样本视频的模型输出值；

基于所述样本视频的模型输出值和标签，对所述第二神经网络模型的网络参数进行调整，以得到训练后的第二神经网络模型。