[发明专利]基于深度神经网络的媒体信息分类方法及装置

摘要

本发明公开了一种基于深度神经网络的媒体信息分类方法及装置，属于神经网络领域。所述基于深度神经网络的媒体信息分类方法包括：获取待分类的媒体信息，所述媒体信息为视频；从所述视频中选取帧图像，组成目标图像集；将所述目标图像集输入媒体信息分类深度神经网络模型；根据所述媒体信息分类深度神经网络模型的输出结果，确定所述媒体信息的关系类型，包括：该模型对目标图像集中的帧图像进行分类，统计数量最多的分类结果作为视频的分类结果。本发明通过深度神经网络技术，对视频媒体信息进行自动分类，有效提高视频媒体的有效专向投放推送。

主权项

1.一种基于深度神经网络的广告媒体信息分类方法，其特征在于，所述方法包括：获取待分类的媒体信息，所述媒体信息为视频；从所述视频中选取目标帧图像，组成目标图像集；将所述目标图像集输入媒体信息分类深度神经网络模型；根据所述媒体信息分类深度神经网络模型的输出结果，确定所述媒体信息的关系类型，包括：该模型对目标图像集中的帧图像进行分类，统计数量最多的分类结果作为视频的分类结果；其中，选取目标帧图像包括：选择权重参数，所述权重参数为体现视频分类的特征参数，所述权重参数包括人体特征占比、相机运动方向、相机摇摆动态、相机焦距及字符显示，并为每个权重参数配置权重系数得到权重模型，以计算每个帧图像的权重值，选取权重值大于某一标准值或者权重排名前N的帧图像作为目标帧图像，或者，所述选取目标帧图像包括：对所有帧图像进行聚类，得到多个帧聚类，选取离所述帧聚类中心最近的帧图像作为目标帧图像，包括：对于帧图像集 X={x1,x2,…,xn}，n为帧图像个数，设拟划分为 k 个聚类V={v1,v2,…,vk }，先随机选取k个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心；聚类中心以及分配给它们的对象就代表一个聚类，一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算，这个过程将不断重复，直至聚类中心不再变化，算法终止，聚类得到k个差异比较大的帧类，进而将每个帧类中离聚类中心最近的一个或多个帧图像作为目标帧图像。