[发明专利]一种视频标签的分类方法、装置及存储介质在审
申请号: | 202110321870.9 | 申请日: | 2021-03-25 |
公开(公告)号: | CN113010737A | 公开(公告)日: | 2021-06-22 |
发明(设计)人: | 张皓 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06F16/75 | 分类号: | G06F16/75;G06F16/78;G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 李汉亮 |
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 视频 标签 分类 方法 装置 存储 介质 | ||
本申请公开了一种视频标签的分类方法、装置及存储介质,涉及互联网技术领域,该方法包括:提取目标视频集中每个视频的视频特征;获取每个所述视频预先标定的视频标签,得到视频标签集;从所述目标视频集中,确定所述视频标签集中每个所述视频标签对应的所有视频;对每个所述视频标签对应的所有视频的视频特征进行归一化处理,得到每个所述视频标签对应的标签特征;根据每个所述视频标签对应的标签特征,对所述视频标签集中的视频标签进行分类。本申请有效提升视频标签分类的准确性。
技术领域
本申请涉及视频标签分类技术领域,具体涉及一种视频标签的分类方法、装置及存储介质。
背景技术
随着通过视频传输信息的流行,通常会对视频标定视频标签作为重要的视频内容画像特征,因此,各视频平台中的视频通常标定有大量视频标签,对于这些视频标签的分类管理具有很大的挑战。
目前,在对视频标签分类管理时,一些方式中通过专家进行分类指导,对标注专家的能力是很大的挑战;还有一些方式中,利用预设同义词表挖掘同类视频标签,这种方式取决于收集到的同义词表的覆盖程度;还有一些方式中,通过视频标签之间的距离进行分类,而视频标签通常是词或短语,本身长度就很短,标签之间的距离差距不大,难以靠标签之间的距离找到相同类别的标签;还有一些方式中,通过自然语言处理技术对视频标签进行分类,但是需要依赖大量文本描述,而视频对应的文本描述通常极少。
因此,目前的各种视频标签分类方式中,对于视频标签的分类存在分类准确性低的问题。
发明内容
本申请实施例提供一种视频标签的分类方法及相关装置,旨在提升视频标签分类的准确性。
为解决上述技术问题,本申请实施例提供以下技术方案:
根据本申请的一个实施例,一种视频标签的分类方法,其包括:提取目标视频集中每个视频的视频特征;获取每个所述视频预先标定的视频标签,得到视频标签集;从所述目标视频集中,确定所述视频标签集中每个所述视频标签对应的所有视频;对每个所述视频标签对应的所有视频的视频特征进行归一化处理,得到每个所述视频标签对应的标签特征;根据每个所述视频标签对应的标签特征,对所述视频标签集中的视频标签进行分类。
根据本申请的一个实施例,一种视频标签的分类装置,其包括:提取模块,用于提取目标视频集中每个视频的视频特征;获取模块,用于获取每个所述视频预先标定的视频标签,得到视频标签集;确定模块,用于从所述目标视频集中,确定所述视频标签集中每个所述视频标签对应的所有视频;归一化模块,用于对每个所述视频标签对应的所有视频的视频特征进行归一化处理,得到每个所述视频标签对应的标签特征;分类模块,用于根据每个所述视频标签对应的标签特征,对所述视频标签集中的视频标签进行分类。
在本申请的一些实施例中,所述提取模块,包括:图像特征提取单元,用于提取目标视频集中每个视频所包含视频帧的图像特征;融合处理单元,用于将每个所述视频所包含视频帧的图像特征进行融合处理,得到每个所述视频的视频特征。
在本申请的一些实施例中,所述图像特征提取单元,包括:拆分子单元,用于将所述目标视频集中每个视频拆分,得到每个视频所包含视频帧;网络提取子单元,用于将每个所述视频所包含视频帧输入第一神经网络进行图像特征提取,得到每个视频所包含视频帧的图像特征。
在本申请的一些实施例中,所述网络提取子单元,用于将每个所述视频所包含所有视频帧输入所述第一神经网络;通过所述第一神经网络,为每个所述视频所包含的每个视频帧融合相邻视频帧的信息,得到每个所述视频所对应的所有融合帧;通过所述第一神经网络,从每个所述视频所对应的每个融合帧中提取图像特征,作为每个视频所包含视频帧的图像特征。
在本申请的一些实施例中,所述融合处理单元,包括:网络融合子单元,用于:将每个所述视频所包含视频帧的图像特征输入第二神经网络进行融合处理,得到每个所述视频的视频特征。
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/202110321870.9/2.html,转载请声明来源钻瓜专利网。