[发明专利]视频分类方法、装置、计算机设备和介质

权利要求书

1.一种视频分类方法，其特征在于，包括：

获取待分类视频对应的视频帧序列，所述视频帧序列包括至少两个视频帧，所述至少两个视频帧为所述待分类视频的部分或者全部视频帧；

将所述视频帧序列输入视频分类模型中，获取视频分类结果，其中，所述视频分类模型包括：梯度提升模型GAM，所述GAM用于获取所述视频帧序列中的每个视频帧对应的梯度提升特征图，所述梯度提升特征图是根据所述视频帧的上一时刻视频帧对应的梯度特征图以及所述视频帧得到的；

其中，所述视频分类模型包括：卷积层、至少一个处理模块和全连接层；

所述将所述视频帧序列输入视频分类模型中，获取视频分类结果，包括：

将所述视频帧序列输入所述卷积层进行卷积处理，得到每个视频帧对应的初始空间特征图；

将所述初始空间特征图依次经过所述至少一个处理模块进行处理，得到目标梯度提升特征图；

将所述目标梯度提升特征图输入全连接层处理，得到视频分类结果；

所述处理模块包括：至少一个瓶颈层，所述瓶颈层包括：第一GAM和第二GAM，所述瓶颈层依次由一层卷积核为1*1的所述卷积层、一层卷积核为3*3的所述卷积层以及一层卷积核为1*1的所述卷积层组成；

所述将所述初始空间特征图依次经过所述至少一个处理模块进行处理，得到目标梯度提升特征图，包括：

针对每个处理模块的每个瓶颈层进行如下处理：对所述瓶颈层的输入特征图进行降维卷积，得到第一空间特征图；通过第一GAM获取所述第一空间特征图对应的第一梯度提升特征图；对所述第一梯度提升特征图进行卷积处理，得到第二空间特征图；通过第二GAM获取所述第二空间特征图对应的第二梯度提升特征图；对所述第二梯度提升特征图进行升维处理，得到第三梯度提升特征图，其中，第一个瓶颈层的输入特征图为所述初始空间特征图，其他瓶颈层的输入特征图为所述第三梯度提升特征图。

2.根据权利要求1所述的方法，其特征在于，所述通过第一GAM获取所述第一空间特征图对应的第一梯度提升特征图，包括：

所述第一GAM根据所述第一空间特征图和上一时刻的所述第一空间特征图对应的梯度特征图，得到所述第一空间特征图对应的注意力机制特征图；

所述第一GAM根据所述第一空间特征图和所述第一空间特征图对应的注意力机制特征图，得到所述第一空间特征图对应的第一梯度提升特征图；

通过第二GAM获取所述第二空间特征图对应的第二梯度提升特征图，包括：

所述第二GAM根据所述第二空间特征图和上一时刻的所述第二空间特征图对应的梯度特征图，得到所述第二空间特征图对应的注意力机制特征图；

所述第二GAM根据所述第二空间特征图和所述第二空间特征图对应的注意力机制特征图，得到所述第二空间特征图对应的第二梯度提升特征图。

3.根据权利要求2所述的方法，其特征在于，所述第一GAM根据所述第一空间特征图和上一时刻的所述第一空间特征图对应的梯度特征图，得到所述第一空间特征图对应的注意力机制特征图，包括：

第一GAM对所述第一空间特征图和上一时刻的所述第一空间特征图对应的梯度特征图进行内积，得到所述第一空间特征图对应的注意力机制特征图；

所述第一GAM根据所述第一空间特征图和所述第一空间特征图对应的注意力机制特征图，得到所述第一空间特征图对应的第一梯度提升特征图，包括：

所述第一GAM对所述第一空间特征图和所述第一空间特征图对应的注意力机制特征图进行融合处理，得到所述第一空间特征图对应的第一梯度提升特征图；

所述第二GAM根据所述第二空间特征图和上一时刻的所述第二空间特征图对应的梯度特征图，得到所述第二空间特征图对应的注意力机制特征图，包括:

所述第二GAM对所述第二空间特征图和上一时刻的所述第二空间特征图对应的梯度特征图进行内积，得到所述第二空间特征图对应的注意力机制特征图；

所述第二GAM根据所述第二空间特征图和所述第二空间特征图对应的注意力机制特征图，得到所述第二空间特征图对应的第二梯度提升特征图，包括：

所述第二GAM对所述第二空间特征图和所述第二空间特征图对应的注意力机制特征图进行融合处理，得到所述第二空间特征图对应的第二梯度提升特征图。