[发明专利]短视频事件分类方法、系统、电子设备及存储介质

权利要求书

1.一种短视频事件分类方法，其特征在于，基于Transformer网络对短视频中的事件进行分类，所述事件分类方法包括：

短视频处理步骤：对短视频进行预处理获得所述短视频的多个特征向量及所述短视频的每一事件的起止位置；

指引向量获取步骤：根据短视频的每一所述事件的起止位置获得对应所述事件的指引向量；

分类步骤：根据所述指引向量及所述短视频的多个所述特征向量通过transformer网络进行特征学习后，输出对应每一所述事件的多标签分类结果。

2.如权利要求1所述的短视频事件分类方法，其特征在于，所述短视频处理步骤包括：根据设定时间对所述短视频进行向量化处理获得多个所述特征向量，根据多个所述特征向量的编号确定每一所述事件的所述起止位置。

3.如权利要求1所述的短视频事件分类方法，其特征在于，所述分类步骤包括：

编码步骤：通过所述Transformer网络对所述指引向量进行编码获得编码值，并根据所述编码值与多个所述特征向量进行计算获得多个特征；

分类结果输出步骤：所述Transformer网络根据多个所述特征通过自身的注意力机制学习各个所述特征之间的关系，并输出特征学习后的所述多标签分类结果。

4.如权利要求3所述的短视频事件分类方法，其特征在于，所述编码步骤包括：通过所述Transformer网络的线性编码层对所述指引向量进行编码获得所述编码值。

5.一种短视频事件分类系统，其特征在于，基于Transformer网络对短视频中的事件进行分类，所事件分类系统包括：

短视频处理单元，对短视频进行预处理获得所述短视频的多个特征向量及所述短视频的每一事件的起止位置；

指引向量获取单元，根据短视频的每一所述事件的起止位置获得对应所述事件的指引向量；

分类单元，根据所述指引向量及所述短视频的多个所述特征向量通过transformer网络进行特征学习后，输出对应每一所述事件的多标签分类结果。

6.如权利要求5所述的短视频事件分类系统，其特征在于，所述短视频处理单元根据设定时间对所述短视频进行向量化处理获得多个所述特征向量，根据多个所述特征向量的编号确定每一所述事件的所述起止位置。

7.如权利要求5所述的短视频事件分类系统，其特征在于，所述分类单元包括：

编码模块，通过所述Transformer网络对所述指引向量进行编码获得编码值，并根据所述编码值与多个所述特征向量进行计算获得多个特征；

分类结果输出模块，所述Transformer网络根据多个所述特征通过自身的注意力机制学习各个所述特征之间的关系，并输出特征学习后的所述多标签分类结果。

8.如权利要求7所述的短视频事件分类系统，其特征在于，所述编码模块通过所述Transformer网络的线性编码层对所述指引向量进行编码获得所述编码值。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的短视频事件分类方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的短视频事件分类方法。