[发明专利]视频分类模型的生成方法、装置、设备和存储介质

权利要求书

1.一种视频分类模型的生成方法，包括：

将图像分类数据集分别作为第一知识迁移模型和第一知识学习模型的输入，采用所述第一知识迁移模型对所述图像分类数据集进行处理，以得到第一知识迁移模型输出，以及，采用所述第一知识学习模型对所述图像分类数据集进行处理，以得到第一知识学习模型输出；

根据所述第一知识迁移模型输出和所述第一知识学习模型输出，构建第一损失函数，并根据所述第一损失函数训练所述第一知识学习模型，以生成图像分类模型；以及，将所述图像分类模型作为第二知识学习模型的预训练模型；

将视频分类数据集分别作为第二知识迁移模型和所述第二知识学习模型的输入，采用所述第二知识迁移模型对所述视频分类数据集进行处理，以得到第二知识迁移模型输出，以及，采用所述第二知识学习模型对所述视频分类数据集进行处理，以得到第二知识学习模型输出；

根据所述第二知识迁移模型输出和所述第二知识学习模型输出，构建第二损失函数，并根据所述第二损失函数训练所述第二知识学习模型，以生成视频分类模型。

2.根据权利要求1所述的方法，其中，所述根据所述第一损失函数训练所述第一知识学习模型，以生成图像分类模型，包括：

根据所述第一损失函数更新所述第一知识学习模型的参数，并固定所述第一知识迁移模型的参数，直至所述第一损失函数收敛；将所述第一损失函数收敛时的第一知识学习模型，确定为所述图像分类模型。

3.根据权利要求1所述的方法，其中，所述根据所述第二损失函数训练所述第二知识学习模型，以生成视频分类模型，包括：

根据所述第二损失函数更新所述第二知识学习模型的参数，并固定所述第二知识迁移模型的参数，直至所述第二损失函数收敛；将所述第二损失函数收敛时的第二知识学习模型，确定为所述视频分类模型。

4.根据权利要求1所述的方法，其中，

所述第二知识学习模型为2D卷积模型；和/或，

所述第二知识迁移模型的精度高于所述第二知识学习模型的精度。

5.一种视频分类模型的生成装置，包括：

获取模块，用于将图像分类数据集分别作为第一知识迁移模型和第一知识学习模型的输入，采用所述第一知识迁移模型对所述图像分类数据集进行处理，以得到第一知识迁移模型输出，以及，采用所述第一知识学习模型对所述图像分类数据集进行处理，以得到第一知识学习模型输出；根据所述第一知识迁移模型输出和所述第一知识学习模型输出，构建第一损失函数，并根据所述第一损失函数训练所述第一知识学习模型，以生成图像分类模型；以及，将所述图像分类模型作为第二知识学习模型的预训练模型；

生成模块，用于将视频分类数据集分别作为第二知识迁移模型和所述第二知识学习模型的输入，采用所述第二知识迁移模型对所述视频分类数据集进行处理，以得到第二知识迁移模型输出，以及，采用所述第二知识学习模型对所述视频分类数据集进行处理，以得到第二知识学习模型输出；根据所述第二知识迁移模型输出和所述第二知识学习模型输出，构建第二损失函数，并根据所述第二损失函数训练所述第二知识学习模型，以生成视频分类模型。

6.根据权利要求5所述的装置，其中，所述获取模块进一步具体用于：

根据所述第一损失函数更新所述第一知识学习模型的参数，并固定所述第一知识迁移模型的参数，直至所述第一损失函数收敛；将所述第一损失函数收敛时的第一知识学习模型，确定为所述图像分类模型。

7.根据权利要求5所述的装置，其中，所述生成模块进一步具体用于：

根据所述第二损失函数更新所述第二知识学习模型的参数，并固定所述第二知识迁移模型的参数，直至所述第二损失函数收敛；将所述第二损失函数收敛时的第二知识学习模型，确定为所述视频分类模型。

8.根据权利要求5所述的装置，其中，

所述第二知识学习模型为2D卷积模型；和/或，

所述第二知识迁移模型的精度高于所述第二知识学习模型的精度。