[发明专利]用于训练模型的方法和装置

说明书

本申请公开了用于训练模型的方法和装置，涉及深度学习、视频处理技术领域。该方法包括：获取训练数据、以及获取训练数据的真实标签；采用初始视频分类模型预测训练数据的预测标签；采用真实标签与预测标签构建第一损失函数；采用第一损失函数训练初始视频分类模型，并得到训练完成的目标视频分类模型，其中，在第一训练阶段，采用第一学习率训练初始视频分类模型，以及在第二训练阶段，采用第二学习率训练初始视频分类模型。采用该方法训练得到的目标视频分类模型对视频分类，可以提高对视频进行分类的准确性。

技术领域

本公开涉及计算机技术领域，具体涉及深度学习、视频处理技术领域，尤其涉及用于训练模型的方法和装置。

背景技术

随着移动终端的普及以及移动终端硬件性能的提升，用视频记录生活逐渐成为了人们的日常行为习惯，视频数据急速增长。如何对海量的视频进行准确的理解与分类成为亟待解决的问题。

发明内容

本公开提供了一种用于训练模型的方法、装置、电子设备以及计算机可读存储介质。

根据第一方面，提供了一种用于训练模型的方法，该方法包括：获取训练数据、以及获取训练数据的真实标签；采用初始视频分类模型预测训练数据的预测标签；采用真实标签与预测标签构建第一损失函数；采用第一损失函数训练初始视频分类模型，并得到训练完成的目标视频分类模型，其中，在第一训练阶段，采用第一学习率训练初始视频分类模型，以及在第二训练阶段，采用第二学习率训练初始视频分类模型。

根据第二方面，提供了一种视频分类方法，该方法包括：获取待分类的视频；采用目标视频分类模型对待分类的视频进行分类，其中，目标视频分类模型基于如第一方面所描述的方法训练得到。

根据第三方面，提供了一种用于训练模型的装置，该装置包括：第一获取单元，被配置为获取训练数据、以及获取训练数据的真实标签；第一预测单元，被配置为采用初始视频分类模型预测训练数据的预测标签；第一构建单元，被配置为采用真实标签与预测标签构建第一损失函数；第一训练单元，被配置为采用第一损失函数训练初始视频分类模型，并得到训练完成的目标视频分类模型，其中，在第一训练阶段，采用第一学习率训练初始视频分类模型，以及在第二训练阶段，采用第二学习率训练初始视频分类模型。

根据第四方面，提供了一种视频分类装置，该装置包括：获取待分类的视频；采用目标视频分类模型对待分类的视频进行分类，其中，目标视频分类模型基于如第一方面所描述的方法训练得到。

根据第五方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器：存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的用于训练模型的方法或者实现如第二方面提供的视频分类方法。

根据第六方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现第一方面提供的用于训练模型的方法或者实现如第二方面提供的视频分类方法。

本公开提供的用于训练模型的方法、装置，获取训练数据、以及获取训练数据的真实标签；采用初始视频分类模型预测训练数据的预测标签；采用真实标签与预测标签构建第一损失函数；采用第一损失函数训练初始视频分类模型，并得到训练完成的目标视频分类模型，其中，在第一训练阶段，采用第一学习率训练初始视频分类模型，以及在第二训练阶段，采用第二学习率训练初始视频分类模型，采用目标视频分类模型对视频分类，可以提高对视频进行分类的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请的实施例可以应用于其中的示例性系统架构图；