[发明专利]模型训练、视频处理方法，装置，设备以及存储介质

说明书

本公开提供了模型训练、视频处理方法，装置，设备以及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术领域，具体可用于智慧城市和智能交通场景下。具体实现方案为：从样本视频集合中抽取出第一视频片段、第二视频片段以及第三视频片段，第一视频片段与第二视频片段外观相似，第二视频片段与第三视频片段播放速度相同；利用目标模型分别提取第一视频片段、第二视频片段以及第三视频片段的特征，得到第一特征、第二特征以及第三特征；根据第一特征与第二特征之间的第一距离、第二特征和第三特征之间的第二距离，确定损失函数；根据损失函数，训练目标模型。本实现方式可以提高提取的特征的质量，提升了下游任务的性能。

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术领域，尤其涉及模型训练、视频处理方法，装置，设备以及存储介质，具体可用于智慧城市和智能交通场景下。

背景技术

视频表征学习，即一种帮助系统自动地从原始视频中学习具有判别能力的特征的技术。随着智能手机的兴起，录制视频变得前所未有的容易。视频分析已经成为当前最活跃的研究热点之一。然而，想要获得高质量的视频标签，需要大量的人工标注工作，需要耗费大量人力物力财力。相比之下，数百万无标签的视频可以在互联网上免费获得。因此，从无标签的视频中学习有意义的视频表征对于视频内容理解至关重要。

发明内容

本公开提供了一种模型训练、视频处理方法，装置，设备以及存储介质。

根据第一方面，提供了一种模型训练方法，包括：从样本视频集合中抽取出第一视频片段、第二视频片段以及第三视频片段，其中，第一视频片段与第二视频片段外观的相似度大于第一预设阈值，第二视频片段与第三视频片段播放速度相同；利用目标模型分别提取第一视频片段、第二视频片段以及第三视频片段的特征，得到第一视频片段的第一特征、第二视频片段的第二特征以及第三视频片段的第三特征；根据第一特征与第二特征之间的第一距离、第二特征和第三特征之间的第二距离，确定损失函数；根据损失函数，训练目标模型。

根据第二方面，提供了一种视频处理方法，包括：获取目标视频；利用通过如第一方面所描述的模型训练方法训练得到的目标模型提取目标视频的特征，确定目标视频的目标特征；根据目标特征，对目标视频进行处理。

根据第三方面，提供了一种模型训练装置，包括：视频片段抽取单元，被配置成从样本视频集合中抽取出第一视频片段、第二视频片段以及第三视频片段，其中，第一视频片段与第二视频片段外观的相似度大于第一预设阈值，第二视频片段与第三视频片段播放速度相同；视频特征提取单元，被配置成利用目标模型分别提取第一视频片段、第二视频片段以及第三视频片段的特征，得到第一视频片段的第一特征、第二视频片段的第二特征以及第三视频片段的第三特征；损失函数确定单元，被配置成根据第一特征与第二特征之间的第一距离、第二特征和第三特征之间的第二距离，确定损失函数；目标模型训练单元，被配置成根据损失函数，训练目标模型。

根据第四方面，提供了一种视频处理装置，包括：视频获取单元，被配置成获取目标视频；特征提取单元，被配置成利用通过如第一方面所描述的模型训练方法训练得到的目标模型提取目标视频的特征，确定目标视频的目标特征；视频处理单元，被配置成根据目标特征，对目标视频进行处理。

根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法或如第二方面所描述的方法。

根据第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法或如第二方面所描述的方法。

根据第七方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法或如第二方面所描述的方法。