[发明专利]一种多媒体数据处理方法以及设备在审

专利信息
申请号: 201911409428.0 申请日: 2019-12-31
公开(公告)号: CN110955789A 公开(公告)日: 2020-04-03
发明(设计)人: 缪畅宇 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/45 分类号: G06F16/45;G06F16/48;G06N3/08
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强;杜维
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 多媒体 数据处理 方法 以及 设备
【权利要求书】:

1.一种多媒体数据处理方法,其特征在于,包括:

获取多媒体数据,对所述多媒体数据进行采样生成所述多媒体数据对应的至少两个多媒体序列;

根据所述至少两个多媒体序列生成所述多媒体数据的初始全局向量;

从所述多媒体序列中获取输入多媒体序列和标准多媒体序列,根据输入多媒体序列和所述初始全局向量,预测所述输入多媒体序列对应的输出多媒体序列;

根据所述输出多媒体序列和所述标准多媒体序列,调整初始全局向量,将调整后的初始全局向量确定为所述多媒体数据对应的全局嵌入式表示,所述全局嵌入式表示用于对多媒体数据进行内容类型分类。

2.根据权利要求1所述的方法,其特征在于,所述获取多媒体数据,对所述多媒体数据进行采样生成所述多媒体数据对应的至少两个多媒体序列,包括:

获取多媒体数据,按照第一采样频率对所述多媒体数据进行时间采样,生成至少两个时间多媒体序列;

按照第二采样频率对所述至少两个时间多媒体序列分别进行频率采样,生成每个时间多媒体序列对应的频率多媒体序列;

将所述至少两个频率多媒体序列确定为多媒体数据的多媒体序列。

3.根据权利要求1所述的方法,其特征在于,所述根据所述至少两个多媒体序列生成所述多媒体数据的初始全局向量,包括:

获取所述至少两个多媒体序列中每个多媒体序列的向量元素,根据所述每个多媒体序列的最大向量元素生成多媒体数据对应的初始全局向量;

所述初始全局向量与所述每个多媒体序列的维度相同。

4.根据权利要求1所述的方法,其特征在于,所述从所述多媒体序列中获取输入多媒体序列和标准多媒体序列,根据输入多媒体序列和所述初始全局向量,预测所述输入多媒体序列对应的输出多媒体序列,包括:

从所述多媒体序列中获取目标多媒体序列,从所述目标多媒体序列中确定输入多媒体序列和标准多媒体序列;所述目标多媒体序列是时间轴上连续的多媒体序列;

将所述输入多媒体序列和所述初始全局向量输入初始多媒体模型,获取所述初始多媒体模型输出的预测多媒体序列;

根据所述预测多媒体序列与所述标准多媒体序列获取所述初始多媒体模型的损失函数,根据所述损失函数调整初始全局向量。

5.根据权利要求4所述的方法,其特征在于,所述从所述多媒体序列中获取目标多媒体序列,从所述目标多媒体序列中确定输入多媒体序列和标准多媒体序列,包括:

获取所述初始多媒体模型的序列窗口,从所述多媒体序列中获取与所述序列窗口对应的目标多媒体序列;所述序列窗口的长度与所述目标多媒体序列的数量相同;

从所述目标多媒体序列中获取标准多媒体序列,将所述目标多媒体序列中除所述标准多媒体序列之外的多媒体序列作为输入多媒体序列。

6.根据权利要求4所述的方法,其特征在于,所述根据所述预测多媒体序列与所述标准多媒体序列获取所述初始多媒体模型的损失函数,根据所述损失函数调整初始全局向量,包括:

根据所述预测多媒体序列生成所述初始多媒体模型的信息熵,根据所述预测多媒体序列与所述标准多媒体序列生成所述初始多媒体模型的交叉熵;

将所述交叉熵与所述信息熵之间的差值确定为所述初始多媒体模型的损失函数,根据所述损失函数调整所述初始多媒体模型的初始全局向量。

7.根据权利要求1所述的方法,其特征在于,还包括:

将所述多媒体数据以及所述多媒体数据的全局嵌入式表示添加至待分类数据集合;添加后的待分类数据集合包括至少两个待分类多媒体数据;

获取所述添加后的待分类数据集合中的所述至少两个待分类多媒体数据的全局嵌入式表示,对至少两个全局嵌入式表示进行聚类,生成聚类结果;

根据所述聚类结果对所述至少两个待分类多媒体数据进行分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911409428.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top