[发明专利]视频图像数据的处理方法及装置

权利要求书

1.一种视频图像数据的处理方法，其特征在于，包括，根据视频图像数据对特征提取网络执行如下训练操作，直至得到训练后的特征提取网络：

从所述视频图像数据中选取视频图像，并通过初始特征提取网络提取所述视频图像的特征信息；

确定所述特征信息对应于预设层面集合中的每一个层面的层面特征信息；

对于所述预设层面集合中除目标层面外的每个层面，预测所述视频图像在该层面下所属的类别信息，其中，所述目标层面表征所述视频图像的标签所表征的类别信息所属的层面；

根据预设的损失函数，更新所述初始特征提取网络，其中，所述损失函数用于表征最小化所述视频图像在各层面下一一对应的层面特征信息与类别信息之间的距离。

2.根据权利要求1所述的方法，其中，所述确定所述特征信息对应于预设层面集合中的每一个层面的层面特征信息，包括：

基于包括注意力机制的特征映射层，将所述特征信息映射至特征空间，得到对应于所述预设层面集合中的每一个层面的层面特征信息。

3.根据权利要求1所述的方法，其中，所述对于所述预设层面集合中除目标层面外的每个层面，预测所述视频图像在该层面下所属的类别信息，包括：

对于所述预设层面集合中除目标层面外的每个层面，通过该层面对应的分类模型，预测所述视频图像在该层面下所属的类别，并将所述类别映射至特征空间，得到所述视频图像在该层面下的类别信息，其中，所述分类模型用于表征视频图像与视频图像在该层面下所属的类别之间的对应关系。

4.根据权利要求1所述的方法，其中，所述根据预设的损失函数，更新所述初始特征提取网络，包括：

根据第一损失函数和第二损失函数，更新所述初始特征提取网络，其中，所述第一损失函数表征最小化所述目标层面对应的层面特征信息和所述标签对应的类别信息之间的距离，最大化所述目标层面对应的层面特征信息与所述目标层面下除所述标签对应的类别信息外的类别信息之间的距离，所述第二损失函数表征最小化所述预设层面集合中除目标层面外的每个层面一一对应的层面特征信息与类别信息之间的距离。

5.根据权利要求1所述的方法，其中，还包括：

以所获取的待处理视频为输入，通过训练后的特征提取网络进行特征提取，得到所述待处理视频对应的特征信息。

6.根据权利要求5所述的方法，其中，还包括：

基于所述特征信息进行信息识别，确定所述待处理视频中的目标对象。

7.一种视频图像数据的处理装置，其特征在于，根据视频图像数据对特征提取网络执行如下训练操作，直至得到训练后的特征提取网络：

提取单元，被配置成从所述视频图像数据中选取视频图像，并通过初始特征提取网络提取所述视频图像的特征信息；

确定单元，被配置成确定所述特征信息对应于预设层面集合中的每一个层面的层面特征信息；

预测单元，被配置成对于所述预设层面集合中除目标层面外的每个层面，预测所述视频图像在该层面下所属的类别信息，其中，所述目标层面表征所述视频图像的标签所表征的类别信息所属的层面；

更新单元，被配置成根据预设的损失函数，更新所述初始特征提取网络，其中，所述损失函数用于表征最小化所述视频图像在各层面下一一对应的层面特征信息与类别信息之间的距离。

8.根据权利要求7所述的装置，其中，所述确定单元，进一步被配置成：

基于包括注意力机制的特征映射层，将所述特征信息映射至特征空间，得到对应于所述预设层面集合中的每一个层面的层面特征信息。

9.根据权利要求7所述的装置，其中，所述预测单元，进一步被配置成：

对于所述预设层面集合中除目标层面外的每个层面，通过该层面对应的分类模型，预测所述视频图像在该层面下所属的类别，并将所述类别映射至特征空间，得到所述视频图像在该层面下的类别信息，其中，所述分类模型用于表征视频图像与视频图像在该层面下所属的类别之间的对应关系。