[发明专利]视频分类的方法、装置、电子设备及介质

说明书

本申请公开了一种视频分类的方法、装置、电子设备及介质。本申请中，可以获取待分类视频数据；将待分类视频数据输入至音视频学习网络，得到待分类视频对应的图像特征和音频特征；以及待分类视频对应的文本特征；将图像特征、音频特征以及文本特征输入至融合学习网络，得到融合特征向量；将融合特征向量输入至Softmax分类器，并将分类器输出的分类结果作为待分类视频的分类结果。通过应用本申请的技术方案，可以在获取待分类视频之后，利用预设的学习网络模型，得到该视频数据的图像特征、音频特征以及文本特征，并将该三个特征进行融合后，根据融合的特征来判断待分类视频的分类结果。从而避免了相关技术中对视频数据分类不准确的弊端。

技术领域

本申请中涉及数据处理技术，尤其是一种视频分类的方法、装置、电子设备及介质。

背景技术

随着移动互联网技术的快速发展，网络传输速度的不断提高和压缩技术的不断进步，各种多媒体信息不断涌现，数字图书馆、远程教育、视频点播、数字视频广播、交互式电视等都产生和使用了大量的视频数据。

在此基础上，视频分类也成为多媒体分析领域中一个重要的研究课题。视频分类是许多视频应用的基础，它为日益增加的视频数据的管理提供了方便。基于内容的视频检索，视频摘要总结，视频索引和标记等技术都在推动着视频分类技术的发展。

然而，相关技术中存在的由计算机实现对视频进行自动分类的方式精准度较低，一般只能通过人工来对视频进行分类。这也导致分类效率不高。

发明内容

本申请实施例提供一种视频分类的方法、装置、电子设备及介质。用以解决相关技术中存在的，无法准确的视频分类的问题。

其中，根据本申请实施例的一个方面，提供的一种视频分类的方法，包括：

获取待分类视频数据；

将所述待分类视频数据输入至音视频学习网络，得到所述待分类视频对应的图像特征和音频特征；以及，将所述待分类视频数据输入至文本学习网络，得到所述待分类视频对应的文本特征；

将所述图像特征、所述音频特征以及所述文本特征输入至融合学习网络，得到融合特征向量；

将所述融合特征向量输入至Softmax分类器，并将所述分类器输出的分类结果作为所述待分类视频的分类结果。

可选地，在基于本申请上述方法的另一个实施例中，所述将所述图像特征、所述音频特征以及所述文本特征输入至融合学习网络，得到融合特征向量，包括：

分别对所述图像特征、所述音频特征以及所述文本特征进行向量转换，得到图像特征向量、音频特征向量以及文本特征向量；

对所述图像特征向量、音频特征向量以及文本特征向量进行向量相加，得到第一融合特征向量；以及，对所述图像特征向量、音频特征向量以及文本特征向量进行乘积归一化，得到第二融合特征向量

基于所述第一融合特征向量以及所述第二融合特征向量，得到所述融合特征向量。

可选地，在基于本申请上述方法的另一个实施例中，所述基于所述第一融合特征向量以及所述第二融合特征向量，得到所述融合特征向量，包括：

生成多个权重系数向量，并对所述多个权重系数向量进行归一化处理，得到融合权重系数；

利用所述融合权重系数，对所述第一融合特征向量以及所述第二融合特征向量进行加权求和，得到所述融合特征向量。

可选地，在基于本申请上述方法的另一个实施例中，所述利用所述融合权重系数，对所述第一融合特征向量以及所述第二融合特征向量进行加权求和，得到所述融合特征向量，包括：

多次利用所述融合权重系数，对所述第一融合特征向量以及所述第二融合特征向量进行加权求和，得到多个初步融合特征向量；