[发明专利]视频分类模型训练及视频分类方法、装置、介质和设备

说明书

本公开提供一种视频分类模型训练方法、视频分类方法、视频分类模型训练装置、视频分类装置、计算机可读介质和电子设备，涉及计算机视觉技术领域。该方法包括：将样本视频输入视频分类模型执行训练过程，以得到模型输出结果；其中，样本视频包括时间维度数据和非时间维度数据；利用模型输出结果对视频分类模型中的参数进行调整，直至基于验证视频确定的视频分类模型的准确率达到预设阈值。本公开降低了模型训练的开销，避免相关技术中基于非连续特征进行分类时造成的数据噪声；同时，充分利用了视频的多种信息，进而提升了分类结果的准确性。

技术领域

本公开涉及计算机视觉处理技术领域，具体涉及一种视频分类模型训练方法、视频分类方法、视频分类模型训练装置、视频分类装置、计算机可读介质和电子设备。

背景技术

随着信息时代的来临，各种形式的信息层出不穷。其中，视频信息逐渐成为了信息传播的主要载体，尤其是在短视频、自媒体视频等应用的崛起之后，视频信息的数量更是快速增长。面对如此庞大的视频信息，如何在大量的视频信息中精准确定需要推荐给用户的视频信息，以及如何高效的进行内容审核等问题显得尤为必要。为了解决上述问题，常常需要对视频信息进行分类，以便于进行后续处理。

发明内容

本公开的目的在于提供一种视频分类模型训练方法、视频分类方法、视频分类模型训练装置、视频分类装置、计算机可读介质和电子设备，进而至少在一定程度上减少了视频分类模型的参数量，使得较小参数量的视频分类模型可以应用于较长时间的视频，同时降低了训练开销。

根据本公开的第一方面，提供一种视频分类模型训练方法，包括：将样本视频输入视频分类模型执行训练过程，以得到模型输出结果；其中，样本视频包括时间维度数据和非时间维度数据；利用模型输出结果对视频分类模型中的参数进行调整，直至基于验证视频确定的视频分类模型的准确率达到预设阈值；训练过程包括：分别提取时间维度数据和非时间维度数据的特征，得到时间维度特征和非时间维度特征；对时间维度特征进行时间维度的切片采样得到至少一个连续特征片段，并将至少一个连续特征片段中的每一个连续特征片段分别与非时间维度特征进行特征融合，得到至少一个融合特征；基于样本视频对应的融合特征，结合非时间维度特征确定样本视频对应的分类结果。

根据本公开的第二方面，提供一种视频分类方法，包括：将待分类视频输入视频分类模型，以获取待分类视频对应的分类结果；其中，视频分类模型是上述第一方面的方法训练得到的。

根据本公开的第三方面，提供一种视频分类模型训练装置，包括：数据处理模块，用于将样本视频输入视频分类模型执行训练过程，以得到模型输出结果；其中，样本视频包括时间维度数据和非时间维度数据；模型训练模块，用于利用模型输出结果对视频分类模型中的参数进行调整，直至基于验证视频确定的视频分类模型的准确率达到预设阈值；训练过程包括：分别提取时间维度数据和非时间维度数据的特征，得到时间维度特征和非时间维度特征；对时间维度特征进行时间维度的切片采样得到至少一个连续特征片段，并将至少一个连续特征片段中的每一个连续特征片段分别与非时间维度特征进行特征融合，得到至少一个融合特征；基于样本视频对应的融合特征，结合非时间维度特征确定样本视频对应的分类结果。

根据本公开的第四方面，提供一种视频分类装置，包括：视频分类模块，用于将待分类视频输入视频分类模型，以获取待分类视频对应的分类结果；其中，视频分类模型是上述第一方面的方法训练得到的。

根据本公开的第五方面，提供一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。

根据本公开的第六方面，提供一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。