[发明专利]视频特征提取模型的训练方法、装置和电子设备有效

专利信息
申请号: 202110743852.X 申请日: 2021-06-30
公开(公告)号: CN113378781B 公开(公告)日: 2022-08-05
发明(设计)人: 何栋梁;丁二锐 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06V20/40 分类号: G06V20/40;G06V10/762;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06F16/783;G06F16/73;G06F16/75
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张娜;刘芳
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视频 特征 提取 模型 训练 方法 装置 电子设备
【权利要求书】:

1.一种视频特征提取模型的训练方法,包括:

获取多个第一视频样本以及各第一视频样本的标题;

基于用户的多个搜索行为获取各搜索行为对应的视频样本,所述各搜索行为对应的视频样本包括基于所述搜索行为展示的多个第二视频样本和所述用户对所述多个第二视频样本执行点击操作的多个第三视频样本;

分别将所述各搜索行为对应的第二视频样本和第三视频样本输入初始视频特征提取模型中,得到所述各搜索行为对应的多个第一特征向量和多个第二特征向量,并根据所述各搜索行为对应的多个第一特征向量和多个第二特征向量,确定第一损失函数;

分别将所述各第一视频样本输入所述初始视频特征提取模型中,得到所述各第一视频样本对应的第三特征向量,并根据所述各第一视频样本对应的第三特征向量和所述各第一视频样本的标题对应的第四特征向量,确定第二损失函数;

分别提取所述各第一视频样本中的两个视频片段,并将所述两个视频片段输入所述初始视频特征提取模型中,得到所述各第一视频样本中两个视频片段各自对应的第五特征向量和第六特征向量,并根据所述各第一视频样本中两个视频片段各自对应的第五特征向量和第六特征向量、及所述各第一视频样本对应的第三特征向量,确定第三损失函数;

根据所述第一损失函数、所述第二损失函数和所述第三损失函数,对所述初始视频特征提取模型进行训练,得到所述视频特征提取模型。

2.根据权利要求1所述的方法,其中,所述根据所述各搜索行为对应的多个第一特征向量和多个第二特征向量,确定第一损失函数,包括:

针对目标搜索行为,确定所述目标搜索行为对应的搜索文本的第七特征向量,所述目标搜索行为为多个搜索行为中的任意一个;

根据所述目标搜索行为对应的多个第一特征向量和多个第二特征向量、所述第七特征向量以及其它搜索行为对应的多个第二特征向量,确定所述目标搜索行为对应的损失函数;其中,所述其它搜索行为为除所述多个搜索行为中除所述目标搜索行为之外的任意一个搜索行为;

根据所述各搜索行为对应的损失函数,确定所述第一损失函数。

3.根据权利要求2所述的方法,其中,所述根据所述目标搜索行为对应的多个第一特征向量和多个第二特征向量、所述第七特征向量以及其它搜索行为对应的多个第二特征向量,确定所述目标搜索行为对应的损失函数,包括:

针对任一特征向量,对所述特征向量和所述特征向量所属的视频样本的标题对应的第四特征向量进行融合处理,得到所述特征向量对应的第八特征向量;其中,所述特征向量为所述目标搜索行为对应的多个第一特征向量和多个第二特征向量、以及所述其它搜索行为对应的多个第二特征向量中的任一特征向量;

根据所述目标搜索行为对应的各第一特征向量对应的第八特征向量、所述目标搜索行为对应的各第二特征向量对应的第八特征向量、所述第七特征向量、以及所述其它搜索行为对应的各第二特征向量对应的第八特征向量,确定所述目标搜索行为对应的损失函数。

4.根据权利要求3所述的方法,其特征在于,所述根据所述目标搜索行为对应的各第一特征向量对应的第八特征向量、所述目标搜索行为对应的各第二特征向量对应的第八特征向量、所述第七特征向量、以及所述其它搜索行为对应的各第二特征向量对应的第八特征向量,确定所述目标搜索行为对应的损失函数,包括:

分别计算所述各第一特征向量对应的第八特征向量与所述第七特征向量之间的距离,得到多个第一距离;并分别计算所述目标搜索行为对应的各第二特征向量对应的第八特征向量与所述第七特征向量之间的距离,得到多个第二距离;

分别计算所述其它搜索行为对应的各第二特征向量对应的第八特征向量与所述第七特征向量之间的距离,得到多个第三距离;

根据所述多个第一距离、所述多个第二距离以及所述多个第三距离,确定所述目标搜索行为对应的损失函数。

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202110743852.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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