[发明专利]视频分类方法、装置、计算机设备和介质

说明书

本公开涉及图像处理技术领域，尤其涉及一种视频分类方法、装置、计算机设备和介质。该方法包括：获取待分类视频对应的视频帧序列，视频帧序列包括至少两个视频帧，至少两个视频帧为待分类视频的部分或者全部视频帧；将视频帧序列输入视频分类模型中，获取视频分类结果，其中，视频分类模型包括：梯度提升模型GAM，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，梯度提升特征图是根据视频帧的上一时刻视频帧对应的梯度特征图以及视频帧得到的。从而，提高了视频分类模型的效率以及视频分类结果的精度。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种视频分类方法、装置、计算机设备和介质。

背景技术

视频分类，是指以视频片段为对象，利用数字图像处理、模式识别等方法，实现对视频片段包含的内容分类。

现有技术中，视频分类的实现方式主要包括以下两种：第一，在二维卷积网络中添加一维卷积进行分类模型的训练，得到输出的分类结果；第二，在二维卷积网络中添加提取的光流信息进行分类模型的训练，得到输出的分类结果。

然而，采用现有技术的方法进行视频分类，效率不高，分类结果精度低。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种视频分类方法、装置、计算机设备和介质。

第一方面，本公开提供了一种频分类方法，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。

可选的，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。

可选的，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。

可选的，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；