[发明专利]用于生成视频标签模型的方法和装置

说明书

本公开的实施例公开了用于生成视频标签模型的方法和装置。该方法的一具体实施方式包括：获取至少两个样本视频集；从至少两个样本视频集中选择样本视频集，利用所选择的样本视频集，执行如下训练步骤：利用机器学习方法，将样本视频集包括的正样本视频作为输入，将与输入的正样本视频对应的正类别信息作为期望输出，将样本视频集中的负样本视频作为输入，将与输入的负样本视频对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本视频集中是否包括未选择的样本视频集；响应于确定不包括，确定最近一次训练后的初始模型为视频标签模型。该实施方式提高了模型训练的灵活性，以及有助于提高利用视频标签模型对视频分类的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成视频标签模型的方法和装置。

背景技术

多标签分类是指将某个信息划归至多个类别下，即可以使得一个信息具有多个标签。现有的对视频进行多标签分类的方法，通常采用多标签分类模型。模型包括多个sigmoid激活函数，每个激活函数对应于一个标签。训练模型时，单个样本视频对应于标注的多个标签，训练好的模型可以输出多个标签，每个标签对应于一个视频类别。

发明内容

本公开的实施例提出了用于生成视频标签模型的方法和装置，以及用于生成视频的类别标签集合的方法和装置。

第一方面，本公开的实施例提供了一种用于生成视频标签模型的方法，该方法包括：获取至少两个样本视频集，其中，样本视频集对应于预设的视频类别，样本视频集包括属于对应的视频类别的正样本视频和不属于对应的视频类别的负样本视频，正样本视频对应于预先标注的正类别信息，负样本视频对应于预先标注的负类别信息；从至少两个样本视频集中选择样本视频集，利用所选择的样本视频集，执行如下训练步骤：利用机器学习方法，将样本视频集包括的正样本视频作为输入，将与输入的正样本视频对应的正类别信息作为期望输出，将样本视频集中的负样本视频作为输入，将与输入的负样本视频对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本视频集中是否包括未选择的样本视频集；响应于确定不包括，确定最近一次训练后的初始模型为视频标签模型。

在一些实施例中，该方法还包括：响应于确定至少两个样本视频集中包括未选择的样本视频集，从未被选择的样本视频集中重新选择样本视频集，利用重新选择的样本视频集和最近一次训练后的初始模型，继续执行训练步骤。

在一些实施例中，正类别信息和负类别信息分别为包括预设数量个元素的向量，正样本视频对应的向量中的目标元素用于表征正样本视频属于对应的视频类别，负样本视频对应的向量中的目标元素用于表征负样本视频不属于对应的视频类别，目标元素为向量中的元素位置中，位于预先与向量对应的样本视频所属的样本视频集对应的视频类别建立对应关系的元素位置处的元素。

在一些实施例中，初始模型为卷积神经网络，包括特征提取层和分类层，分类层包括预设数量个权重数据，权重数据对应于预设的视频类别，用于确定输入的视频属于权重数据对应的视频类别的概率。

在一些实施例中，训练初始模型，包括：固定预设数量个权重数据中的、除样本视频集对应的权重数据之外的其他权重数据，以及调整样本视频集对应的权重数据，以对初始模型进行训练。

在一些实施例中，初始模型还包括视频帧提取层；以及将样本视频集包括的正样本视频作为输入，将与输入的正样本视频对应的正类别信息作为期望输出，将样本视频集中的负样本视频作为输入，将与输入的负样本视频对应的负类别信息作为期望输出，训练初始模型，包括：将样本视频集包括的正样本视频输入视频帧提取层，得到正样本视频帧集合；将所得到的正样本视频帧集合作为特征提取层的输入，将与输入的正样本视频对应的正类别信息作为初始模型的期望输出；将样本视频集包括的负样本视频输入视频帧提取层，得到负样本视频帧集合；将所得到的负样本视频帧集合作为特征提取层的输入，将与输入的负样本视频对应的负类别信息作为初始模型的期望输出，训练初始模型。