[发明专利]模型训练方法、场景识别方法、计算设备和介质

权利要求书

1.一种用于目标场景识别模型的训练方法，包括：

获取用于模型训练的N个原型图像以及视频库，所述N个原型图像包含目标场景，所述视频库中的视频具有与所述目标场景相关联的标识信息，其中N为大于1的整数；

基于所述视频库得到视频图像库，所述视频图像库包括多个视频图像；

基于所述N个原型图像以及所述多个视频图像的分布特性，从所述多个视频图像中选择用于目标场景识别模型的训练样本集，所述训练样本集包括包含目标场景的正样本集和不包含目标场景的负样本集；以及

利用所述训练样本集对所述目标场景识别模型进行训练。

2.根据权利要求1所述的训练方法，其中，所述标识信息为标题、描述、标签中的至少一项，所述视频库中的视频是基于所述目标场景的内容、针对所述标识信息从初始视频库进行筛选而得到的。

3.根据权利要求1所述的训练方法，其中，所述多个视频图像的分布特性通过对所述多个视频图像进行聚类得到，

其中，基于所述N个原型图像以及所述多个视频图像的分布特性，从所述多个视频图像中选择用于目标场景识别模型的训练样本集，包括：

对所述多个视频图像进行聚类，以得到N1个聚类，N1为大于1的整数且小于所述视频库的视频数量；

基于每个原型图像与所述N1个聚类的聚类中心之间的距离、以及所述N1个聚类的聚类中心之间的距离，得到所述正样本集和所述负样本集。

4.根据权利要求3所述的训练方法，其中，基于每个原型图像与所述N1个聚类的聚类中心之间的距离、以及所述N1个聚类的聚类中心之间的距离，得到所述正样本集和所述负样本集，包括：

基于每个原型图像与所述N1个聚类的聚类中心之间的距离得到一级正样本集；

基于所述N1个聚类的聚类中心之间的距离得到二级正样本集以及所述负样本集；以及

将所述一级正样本集和所述二级正样本集作为所述正样本集。

5.根据权利要求4所述的训练方法，其中，基于每个原型图像与所述N1个聚类的聚类中心之间的距离得到一级正样本集，包括：

针对每个原型图像，将所述N1个聚类的聚类中心中与所述原型图像距离最近的N2个聚类的聚类中心作为所述原型图像对应的一级聚类中心，N2为大于1的整数；以及

将所述N个原型图像对应的所有一级聚类中心所属的聚类中的所有图像样本作为用于组成所述一级正样本集的一级正样本。

6.根据权利要求5所述的训练方法，其中，基于所述N1个聚类的聚类中心之间的距离得到二级正样本集，包括：针对每个一级聚类中心，

确定所述N1个聚类的聚类中心中不是一级聚类中心的、与所述一级聚类中心最近的至少一个聚类中心，并将所述最近的至少一个聚类中心作为所述一级聚类中心对应的二级聚类中心，

确定所述一级聚类中心与所述对应的二级聚类中心的距离，并将所确定的所述一级聚类中心与所述对应的二级聚类中心的距离作为第一距离；以及

将所述对应的二级聚类中心所属的聚类中满足第一条件的图像样本确定为用于组成所述二级正样本集的二级正样本，其中，所述满足第一条件的图像样本与所述一级聚类中心的距离为第二距离，并且所述第二距离与所述第一距离满足第一预设阈值条件。

7.根据权利要求5或6所述的训练方法,其中，基于所述N1个聚类的聚类中心之间的距离得到所述负样本集，包括：针对每个一级聚类中心，

确定所述N1个聚类的聚类中心中与所述一级聚类中心距离最远的N3个聚类的聚类中心，并将所确定的所述N3个聚类的聚类中心作为所述一级聚类中心对应的N3个备选负样本聚类中心，N3为大于1的整数；

基于所述N3个备选负样本聚类中心各自与所述一级聚类中心的距离、以及与各自对应的二级聚类中心的距离，选择所述N3个备选负样本聚类中心之一作为所述一级聚类中心对应的负样本聚类中心；

将所述一级聚类中心对应的负样本聚类中心所属的聚类中的所有图像样本作为用于组成所述负样本集的负样本。