[发明专利]用于评价时序提名的模型的训练方法、设备、程序产品

说明书

本公开提供的用于评价时序提名的模型的训练方法、设备、程序产品，涉及计算机视觉和深度学习技术，包括：获取用于训练模型的样本时序提名，以及样本时序提名的标签，其中，标签包括用于表征样本时序提名与真实时序提名之间的偏移信息，以及样本时序提名中包括的背景信息；利用样本时序提名及其标签对预设模型进行训练，得到用于评价时序提名的模型；其中，模型用于输出待处理的时序提名的识别偏移信息、识别背景信息，识别偏移信息、识别背景信息用于确定待处理的时序提名的分数。本公开提供的方案中，在训练模型时加入了样本时序提名的背景信息，进而提高模型的抗噪能力，从而提高模型输出的识别结果的准确性。

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术，尤其涉及一种用于评价时序提名的模型的训练方法、设备、程序产品。

背景技术

时序提名在视频集锦生成、视频推荐、检索等方面有巨大应用潜力，时序提名是指根据视频内容定位的行为片段，具体可以将视频输入到模型中，通过模型在视频中识别出多个时序提名。

其中，时序提名的准确性决定了时序提名在应用场景中产生的效果。现有技术中，可以通过预先训练的网络对时序提名进行评价，以确定时序提名的准确性。

但是，目前训练用于评价时序提名的网络时，采用的样本标签定义为预测时序提名与真实时序提名的IoU(交并比，Intersection over Union)，这导致一个待处理的时序提名中包括多个真实时序提名时，网络会因为噪声输出该待处理时序提名的质量欠佳的置信度分数，导致评价结果不准确的问题。

发明内容

本公开提供了一种用于评价时序提名的模型的训练方法、设备、程序产品，以解决现有技术中网络对包括多个真实时序提名进行评价时，评价结果不准确的问题。

根据本公开的第一方面，提供了一种用于评价时序提名的模型的训练方法，包括：

获取用于训练模型的样本时序提名，以及所述样本时序提名的标签，其中，所述标签包括用于表征样本时序提名与真实时序提名之间的偏移信息，以及样本时序提名中包括的背景信息；

利用所述样本时序提名及其标签对预设模型进行训练，得到用于评价时序提名的模型；其中，所述模型用于输出待处理的时序提名的识别偏移信息、识别背景信息，所述识别偏移信息、识别背景信息用于确定所述待处理的时序提名的分数。

根据本公开的第二方面，提供了一种用于评价时序提名的方法，包括：

将候选时序提名输入用于评价时序提名的模型，所述模型用于输出所述候选时序提名的识别偏移信息、识别背景信息；所述模型是基于第一方面所述的方法训练得到的；

根据所述候选时序提名的识别偏移信息、识别背景信息确定所述候选时序提名的分数，若所述候选时序提名的分数达到预设值，则确定所述候选时序提名为真实时序提名。

根据本公开的第三方面，提供了一种用于评价时序提名的模型的训练装置，包括：

获取单元，用于获取用于训练模型的样本时序提名，以及所述样本时序提名的标签，其中，所述标签包括用于表征样本时序提名与真实时序提名之间的偏移信息，以及样本时序提名中包括的背景信息；

训练单元，用于利用所述样本时序提名及其标签对预设模型进行训练，得到用于评价时序提名的模型；其中，所述模型用于输出待处理的时序提名的识别偏移信息、识别背景信息，所述识别偏移信息、识别背景信息用于确定所述待处理的时序提名的分数。

根据本公开的第四方面，提供了一种用于评价时序提名的装置，包括：

识别单元，用于将候选时序提名输入用于评价时序提名的模型，所述模型用于输出所述候选时序提名的识别偏移信息、识别背景信息；所述模型是利用第一方面所述的方法训练得到的；