[发明专利]视频类型确定方法及相关装置在审

专利信息
申请号: 202111438579.6 申请日: 2021-11-29
公开(公告)号: CN114064972A 公开(公告)日: 2022-02-18
发明(设计)人: 赵娅琳 申请(专利权)人: 北京欧珀通信有限公司
主分类号: G06F16/75 分类号: G06F16/75;G06F16/78;G06F16/732;G06F16/783;G06K9/62;G06V20/40;G06V10/764;G06V10/774;G06V10/80
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强
地址: 100125 北京市朝阳区*** 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 类型 确定 方法 相关 装置
【说明书】:

本申请示例提供了一种视频类型确定方法及相关装置,所述方法包括:获取待检测视频,所述待检测视频包括视频数据和标题数据;将所述视频数据输入预先训练好的图片特征提取模型,得到目标图片特征,所述目标图片特征是用于指示提取模型提取的基于空间维度的第一图片特征和基于时间维度的第二图片特征;将所述标题数据输入预先训练好的文本特征提取模型,得到文本特征;将所述目标图片特征和所述文本特征输入预先训练好的融合分类模型,得到所述待检测视频的目标分类结果。这样,不仅可以减少对视频进行分类过程中的计算量,提高对视频类型进行分类的效率,而且可以提高分类精度。

技术领域

本申请属于数据处理领域,具体涉及一种视频类型确定方法及相关装置。

背景技术

当前对视频的类型进行分类时,仅是通过对视频中的图片进行处理,以得到分类结果,使得通过当前的视频类型分类方案确定出的视频类型的精度不高。

发明内容

本申请实施例提供了一种视频类型确定方法及相关装置,以期提高对视频进行分类的精度和效率。

第一方面,本申请实施例提供了一种视频类型确定方法,

获取待检测视频,所述待检测视频包括视频数据和标题数据;

将所述视频数据输入预先训练好的图片特征提取模型,得到目标图片特征,所述目标图片特征用于指示基于空间维度的第一图片特征和基于时间维度的第二图片特征;

将所述标题数据输入预先训练好的文本特征提取模型,得到文本特征;

将所述目标图片特征和所述文本特征输入预先训练好的融合分类模型,得到所述待检测视频的目标分类结果,所述目标分类结果用于指示所述待检测视频所属的视频类型。

第二方面,本申请实施例提供了一种图片特征提取模型的训练方法,所述方法包括:

获取训练视频数据;

基于所述训练视频数据对待训练的图片特征提取模型进行训练,得到目标图片特征提取模型,所述目标图片特征提取模型用于根据所述训练视频数据提取目标预测图片特征,所述目标预测图片特征用于指示基于空间维度的第一预测图片特征和基于时间维度的第二预测图片特征。

第三方面,本申请实施例提供了一种融合分类模型的训练方法,所述方法包括:

获取训练数据,所述训练数据包括训练视频对应的目标训练图片特征和训练文本特征;

基于所述目标训练图片特征和所述训练文本特征对待训练的融合分类模型进行训练,得到目标融合分类模型,所述目标融合分类模型用于根据多个串联的特征融合模块获取所述训练视频的分类结果。

第四方面,本申请实施例提供了一种视频类型确定装置,所述装置包括:第一获取单元,用于获取待检测视频,所述待检测视频包括视频数据和标题数据;第二获取单元,用于将所述视频数据输入预先训练好的图片特征提取模型,得到目标图片特征,所述目标图片特征用于指示基于空间维度的第一图片特征和基于时间维度的第二图片特征;第三获取单元,用于将所述标题数据输入预先训练好的文本特征提取模型,得到文本特征;分类单元,用于将所述目标图片特征和所述文本特征输入预先训练好的融合分类模型,得到所述待检测视频的目标分类结果,所述目标分类结果用于指示所述待检测视频所属的视频类型。

第五方面,本申请实施例提供了一种图片特征提取模型的训练装置,包括:获取单元,用于获取训练视频数据;训练单元,用于基于所述训练视频数据对待训练的图片特征提取模型进行训练,得到目标图片特征提取模型,所述目标图片特征提取模型用于根据所述训练视频数据提取目标预测图片特征,所述目标预测图片特征用于指示基于空间维度的第一预测图片特征和基于时间维度的第二预测图片特征。

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欧珀通信有限公司,未经北京欧珀通信有限公司许可,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/202111438579.6/2.html,转载请声明来源钻瓜专利网。

×

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