[发明专利]模型训练方法、装置、电子设备、介质及产品

权利要求书

1.一种视频分析模型训练方法，其特征在于，包括：

从样本视频包含的多帧视频图像中间隔抽取视频图像，以抽取得到第一视频图像；

确定所述样本视频对应的图像集合，所述图像集合包括所述第一视频图像以及第一数目个第二视频图像，所述第二视频图像为设定图像，所述第一视频图像的数目与所述第一数目之和为预设数目，样本视频集合中不同样本视频分别对应的图像集合包含的图像的数目均为所述预设数目；

基于所述图像集合，确定掩膜参数，所述掩膜参数用于记录所述图像集合中有效图像的位置以及无效图像的位置，所述第一视频图像为有效图像，所述第二视频图像为无效图像；

将所述图像集合以及所述掩膜参数作为机器学习模型的输入，将所述样本视频对应的人工标注分类标签作为训练目标，训练得到所述视频分析模型。

2.根据权利要求1所述视频分析模型训练方法，其特征在于，所述基于所述图像集合，确定掩膜参数步骤包括：

确定所述第一视频图像位于所述图像集合中的第一位置；

确定所述第二视频图像位于所述图像集合中的第二位置；

基于所述第一位置以及所述第二位置，确定所述掩膜参数，所述掩膜参数中位于所述第一位置对应的位置处的元素为第一字符，位于所述第二位置对应的位置处的元素为第二字符；其中，第一字符表征位于所述图像集合的所述第一位置的图像为有效图像，所述第二字符表征位于所述图像集合的所述第二位置的图像为无效图像。

3.根据权利要求1或2所述视频分析模型训练方法，其特征在于，所述从样本视频包含的多帧视频图像中间隔抽取视频图像，以抽取得到第一视频图像步骤包括：

接收来自存储设备的样本视频，所述样本视频为所述存储设备压缩编码后的视频；

从所述样本视频包含的多个关键帧中获得目标关键帧；

获取抽样间隔；

从所述样本视频包含的所述目标关键帧对应的非关键帧中，每隔所述抽样间隔抽取一个非关键帧，以得到至少一个非关键帧，所述非关键帧是基于所述目标关键帧压缩的；

解码所述目标关键帧以及所述至少一个非关键帧，以得到所述第一视频图像。

4.根据权利要求3所述视频分析模型训练方法，其特征在于，所述获取抽样间隔步骤包括：

基于所述样本视频的帧率以及每秒处理图像数，计算得到所述抽样间隔；或，

获取预先设置的所述抽样间隔。

5.根据权利要求1或2所述视频分析模型训练方法，其特征在于，所述将所述样本视频对应的所述图像集合以及所述掩膜参数作为机器学习模型的输入，将所述样本视频对应的人工标注分类标签作为训练目标，训练得到视频分析模型步骤包括：

将所述图像集合以及所述掩膜参数输入至机器学习模型；

所述机器学习模型执行以下步骤：

获得所述图像集合对应的特征信息集合，所述特征信息集合包括所述第一视频图像对应的特征信息以及所述第二视频图像对应的特征信息；

基于所述掩膜参数从所述特征信息集合中筛选出所述第一视频图像对应的特征信息；

基于所述第一视频图像对应的特征信息，确定分类标签，所述机器学习模型用于输出所述第一视频图像对应的特征信息或所述分类标签；

基于所述分类标签与所述人工标注分类标签的比较结果，训练所述机器学习模型，以得到所述视频分析模型。

6.根据权利要求5所述视频分析模型训练方法，其特征在于，所述获得所述图像集合对应的特征信息集合步骤包括：

获得所述图像集合中各图像分别对应的帧内特征信息；

基于所述图像集合中各图像分别对应的帧内特征信息，获得所述特征信息集合，所述第一视频图像对应的特征信息包括多个所述第一视频图像之间的帧间特征信息，所述第二视频图像对应的特征信息包括多个所述第二视频图像之间的帧间特征信息，和/或，所述第二视频图像与所述第一视频图像之间的帧间特征信息。