[发明专利]用于生成视频类别检测模型的方法和装置

说明书

本申请实施例公开了用于生成视频类别检测模型的方法和装置。该方法的一具体实施方式包括：获取样本集；从该样本集中提取样本，执行如下训练步骤：将所提取的样本中的样本视频中的帧输入至初始模型，得到样本视频属于各预设类别的概率；基于所得到的概率、预设概率、所提取的样本中的标注信息和预设的与预设类别一一对应的损失函数，确定各预设类别对应的损失值；基于所确定的损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练后的初始模型确定为视频类别检测模型。该实施方式能够得到一种可以用于视频类别检测的模型，且该方法丰富了模型的生成方式。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成视频类别检测模型的方法和装置。

背景技术

随着计算机技术的发展，视频类应用应运而生。用户可以利用视频类应用上传、发布视频。为保证视频质量以及便于向其他用户进行视频推送，通常需要确定用户上传的视频的所涉及的内容的类别。

相关的方式之一，通常是预先对样本进行单标签标注，利用标注后样本进行模型训练。对于某个视频，训练后的模型可以预测出一个该视频的类别。相关的另一种方式，通常是预先对样本进行多标签标注，利用标注后样本进行模型训练，对于某个视频，训练后的模型可以预测出一个或多个该视频的类别。

发明内容

本申请实施例提出了用于生成视频类别检测模型的方法和装置。

第一方面，本申请实施例提供了一种用于生成视频类别检测模型的方法，该方法包括：获取样本集，其中，样本集中的样本包括样本视频和用于指示样本视频的类别的标注信息；从样本集中提取样本，执行如下训练步骤：将所提取的样本中的样本视频中的帧输入至初始模型，得到样本视频属于各预设类别的概率；基于所得到的概率、预设概率、所提取的样本中的标注信息和预设的与预设类别一一对应的损失函数，确定各预设类别对应的损失值；基于所确定的损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练后的初始模型确定为视频类别检测模型。

在一些实施例中，基于所得到的概率、预设概率、所提取的样本中的标注信息和预设的与预设类别一一对应的损失函数，确定各预设类别对应的损失值，包括：将所提取的样本中的标注信息所指示的类别作为目标类别，响应于确定样本视频属于目标类别的概率不小于预设概率，并且，在除目标类别外的预设类别中，存在概率大于预设概率的预设类别，将各预设类别的概率输入至相应的损失函数，得到各个预设类别对应的损失值，将概率大于预设概率的预设类别对应的损失值进行减小处理，以对损失值进行更新。

在一些实施例中，将概率大于预设概率的预设类别对应的损失值进行减小处理，以对损失值进行更新，包括：对于概率大于预设概率的预设类别，将该预设类别对应的损失值除以第一预设数值，将所得到的数值更新为该预设类别对应的损失值。

在一些实施例中，将其他类别的损失值进行减小处理，以对损失值进行更新，包括：对于概率大于预设概率的预设类别，以该预设类别对应的损失值作为底数，以第二预设数值作为指数，进行幂运算，将幂运算所得到的数值更新为该预设类别的损失值。

在一些实施例中，基于所得到的概率、预设概率、所提取的样本中的标注信息和预设的与预设类别一一对应的损失函数，确定各预设类别对应的损失值，包括：将所提取的样本中的标注信息所指示的类别作为目标类别，在以下任一条件满足时，将各预设类别的概率输入至相应的损失函数，得到各个预设类别对应的损失值：样本视频属于目标类别的概率小于预设概率；样本视频属于目标类别的概率不小于预设概率，并且，在除目标类别外的预设类别中，不存在概率大于预设概率的预设类别。

在一些实施例中，基于所确定的损失值确定初始模型是否训练完成，包括：将各预设类别对应的损失值之和作为所提取的样本的总损失值，将总损失值与目标值进行比较；根据比较结果确定初始模型是否训练完成。