CN113033707B - 视频分类方法、装置、可读介质及电子设备 - Google Patents
视频分类方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN113033707B CN113033707B CN202110450256.2A CN202110450256A CN113033707B CN 113033707 B CN113033707 B CN 113033707B CN 202110450256 A CN202110450256 A CN 202110450256A CN 113033707 B CN113033707 B CN 113033707B
- Authority
- CN
- China
- Prior art keywords
- video
- classification
- target
- target video
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种视频分类方法、装置、可读介质及电子设备,包括:获取目标视频;将目标视频分别输入多个视频分类模型中,确定与目标视频对应的多组分类预测结果;根据多组分类预测结果确定目标视频的目标视频特征;将目标视频特征输入预先训练好的融合分类模型中,确定与目标视频对应的分类标签。通过上述技术方案,能够最终融合多个视频分类模型的分类预测结果作为该目标视频的视频特征,进而根据该新得到的视频特征对视频分类进行识别,从而能够得到该目标视频更加丰富的分类信息,提升视频分类任务的分类效果,提高对视频的分类准确率。
Description
技术领域
本公开涉及视频技术领域,具体地,涉及一种视频分类方法、装置、可读介质及电子设备。
背景技术
视频标签识别分类是视频内容平台的基础技术,对于平台内内容的检测、分析,以及平台内容的推荐、搜索等都有很多应用。目前视频标签的识别主要都是基于有监督的机器学习方法,通过端到端的方式从标注数据中进行自动学习,然后将学习到的模型在新发文数据上进行自动预测。但是单独的机器学习模型对视频特征提取能力有限,无法实现更加准确的分类效果。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种视频分类方法,所述方法包括:
获取目标视频;
将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;
根据所述多组分类预测结果确定所述目标视频的目标视频特征;
将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
第二方面,本公开提供一种视频分类装置,所述装置包括:
第一获取模块,用于获取目标视频;
第一确定模块,用于将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;
第二确定模块,用于根据所述多组分类预测结果确定所述目标视频的目标视频特征;
第三确定模块,用于将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现第一方面所述方法的步骤。
通过上述技术方案,能够通过多个视频分类模型分别得到与目标视频对应的分类预测结果作为该目标视频的分类特征数据,最终融合多个视频分类模型的分类预测结果作为该目标视频的视频特征,进而根据该新得到的视频特征对视频分类进行识别,从而能够得到该目标视频更加丰富的分类信息,提升视频分类任务的分类效果,提高对视频的分类准确率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据本公开一示例性实施例示出的一种视频分类方法的流程图。
图2是根据本公开又一示例性实施例示出的一种视频分类方法的流程图。
图3是根据本公开又一示例性实施例示出的一种视频分类方法中融合分类模型的训练方法的流程图。
图4是根据本公开一示例性实施例示出的一种视频分类装置的结构框图。
图5是根据本公开又一示例性实施例示出的一种视频分类装置的结构框图。
图6示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据本公开一示例性实施例示出的一种视频分类方法的流程图。如图1所示,所述方法包括步骤101至步骤104。
在步骤101中,获取目标视频。该目标视频可以是任意形式的需要进行标签分类的视频。例如可以是短视频平台中用户所发布的短视频,也可以是其他视频平台中用户所发布的长视频。
在步骤102中,将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果。
该视频分类模型可以为任意领域的分类模型,该视频分类模型的数量也可以为任意数量。例如,可以包括视频分类模型1~视频分类模型10,视频分类模型1用于根据该目标视频分别属于分类1~10的概率判断该目标视频属于分类1~10中的哪一类,视频分类模型2用于根据该目标视频分别属于分类11~20的概率判断该目标视频属于分类11~20中的哪一类,…,视频分类模型10用于根据该目标视频分别属于分类91~100的概率判断该目标视频属于分类91~100中的哪一类等等。
与该目标视频对应的多组分类预测结果可以由每个视频分类模型所输出的预测分类构成,也可以是每个视频分类模型所输出的该目标视频分别属于各个分类的概率值所构成,或者,该分类预测结果中还可以既包括该概率值,也包括该预测分类。
在步骤103中,根据所述多组分类预测结果确定所述目标视频的目标视频特征。
根据该多组分类预测结果确定该目标视频特征的方法可以是例如将该多组分类预测结果直观地合并拼接(concat)到同一个数组中,或者选择其中部分分类预测结果拼接为一个特征数组。
其中,在该分类预测结果为所述目标视频分别属于各个所述视频分类模型中所包括的各个分类的概率的情况下,根据所述多组分类预测结果确定所述目标视频的目标视频特征的方法可以为:将所述多组分类预测结果按照预设顺序合并在一个N维数组中,根据多个所述视频分类模型中所包括的所有分类的总数确定所述N,并将所述N维数组确定为所述目标视频的所述目标视频特征。例如,若该视频分类模型中包括视频分类模型1~4,视频分类模型1输出的分类预测结果为(0.7,0.2,0.1)共三个分类,视频分类模型2输出的分类预测结果为(0.03,0.67,0.3)共三个分类,视频分类模型3输出的分类预测结果为(0.7,0.3)共二个分类,视频分类模型4输出的分类预测结果为(0.01,0.8,0.09,0.1)共四个分类,且该预设顺序为按照视频分类模型1~4的序号顺序,则最终合并拼接得到的目标视频特征为(0.7,0.2,0.1,0.03,0.67,0.3,0.7,0.3,0.01,0.8,0.09,0.1)这个12维数组。
在步骤104中,将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
该预先训练好的融合分类模型在模型训练的过程中,对训练样本视频的处理与上述步骤101至步骤103中的相同,通过相同的处理步骤得到该训练样本视频对应的视频特征之后再输入该融合分类模型中进行训练,即可得到训练好的该融合分类模型。
通过上述技术方案,能够通过多个视频分类模型分别得到与目标视频对应的分类预测结果作为该目标视频的分类特征数据,最终融合多个视频分类模型的分类预测结果作为该目标视频的视频特征,进而根据该新得到的视频特征对视频分类进行识别,从而能够得到该目标视频更加丰富的分类信息,提升视频分类任务的分类效果,提高对视频的分类准确率。
图2是根据本公开又一示例性实施例示出的一种视频分类方法的流程图,如图2所示,所述方法还包括步骤201和步骤202。
在步骤201中,获取所述目标视频的视频属性信息,所述视频属性信息包括视频时长、视频作者、视频作者粉丝数中的至少一者。
在步骤202中,根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征。
该视频属性信息除了包括上述视频时长、视频作者、视频作者粉丝数中的至少一者之外,还可以包括其他的视频属性信息,在本公开中对该视频属性信息的内容不进行限定,只要是该目标视频中所包括的固有信息即可。
根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征的方法也可以为多种。其中,若上述分类预测结果为所述目标视频分别属于各个所述视频分类模型中所包括的各个分类的概率,且根据所述多组分类预测结果确定所述目标视频的目标视频特征的方法为:将所述多组分类预测结果按照预设顺序合并在一个N维数组中,根据多个所述视频分类模型中所包括的所有分类的总数确定所述N,并将所述N维数组确定为所述目标视频的所述目标视频特征,则根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征可以为将该视频属性信息中的每一类信息都作为该数组中的一维数据,与该多组分类预测结果对应的N维数据合并拼接为新的数组数据。
例如,在上述该视频属性信息包括该视频时长、视频作者、视频作者粉丝数的情况下,该视频时长对应的数据可以为(60)表示视频时长为60秒,视频作者对应的数据可以为(12345)表示视频作者的ID,视频作者粉丝数对应的数据可以为(100)表示该视频作者粉丝数为100万等,根据上述示例,若根据该多组分类预测结果确定得到的目标视频特征为(0.7,0.2,0.1,0.03,0.67,0.3,0.7,0.3,0.01,0.8,0.09,0.1)的情况下,则根据所述多组分类预测结果和所述视频属性信息共同确定得到目标视频特征可以为(0.7,0.2,0.1,0.03,0.67,0.3,0.7,0.3,0.01,0.8,0.09,0.1,60,12345,100)。
另外,在对该融合分类模型进行训练的过程中,对训练样本视频的处理与上述图2中所示的步骤101、步骤02和步骤201、步骤202中的相同,通过相同的处理步骤得到该训练样本视频对应的视频特征之后再输入该融合分类模型中进行训练,即可得到训练好的该融合分类模型。
通过上述技术方案,不仅能够通过多个视频分类模型来获取该视频的分类信息,而且还能将该视频中的固有视频属性信息作为该目标视频的视频特征,从而能够得到该视频更加丰富的分类信息,进一步提升视频分类任务的分类效果,也进一步提高对视频的分类准确率。
在一种可能的实施方式中,所述视频分类模型中包括第一分类模型,所述第一分类模型中所包括的多个第一目标分类对应的视频类别不完全相同。该第一目标分类也即该第一分类模型能够对该目标视频进行划分的目标分类,例如,该第一目标分类可以包括搞笑、美食、时尚、旅游、亲子、汽车、游戏、音乐、科技等等常规的一级分类,或者,在一些特殊的应用领域中也可以包括例如手游、页游、端游等二级分类。也即,该第一目标分类即可以全部为一级分类,也可以在包括一部分一级分类的情况下,还包括一部分二级分类。一级分类对应的视频类别也即其自身的类别,例如游戏分类对应的视频类别即为游戏类别,二级分类对应的视频类别为其所属的一级分类对应的视频类别,例如手游、页游、端游等对应的视频类别都为一级分类游戏所对应的游戏类别。在该第一目标分类全部为一级分类的情况下,该第一目标分类所对应的视频类别各不相同,在该第一目标分类中既包括一级分类,也包括二级分类的情况下,则该第一目标分类所对应的视频类别则不完全相同。
在一种可能的实施方式中,所述视频分类模型中包括第二分类模型,所述第二分类模型中所包括的多个第二目标分类都属于同一视频类别;所述视频分类模型中包括多个所述第二分类模型,且各个所述第二分类模型所对应的所述视频类别不同。该第二分类模型可以是例如垂类模型,模型会单独对应一个视频类别,而该模型中所包括的所有第二目标分类都属于该模型对应的视频类别。例如,该视频类别即可以为上述的任意一级分类例如游戏,而该第二目标分类则可以为包括例如手游、页游、端游等各个游戏类别中的二级分类。该视频分类模型中包括的多个该第二分类模型所对应的视频类别可以各不相同,例如,可以包括一个对应游戏类别的第二分类模型,可以包括一个对应美食类别的第二分类模型,还可以对应一个汽车类别的第二分类模型等等。
在一种可能的实施方式中,所述视频分类模型中包括第三分类模型,所述第三分类模型中所包括的多个第三目标分类,其中,属于同一个所述第三目标分类的任意两个视频之间的相关度低于第一预设阈值。该第三分类模型可以为例如画风模型等弱相关的模型,在该类模型中,被划分为同一个分类的任意两个视频之间的内容相关度较弱,但即使内容相关度较弱,但也能够表征出视频中的一部分视频特征信息。该第一预设阈值可以根据实际情况进行设置,只要该第三分类模型为弱相关的分类模型即可。
视频分类模型中可以包括上述第一分类模型、第二分类模型、第三分类模型中的一种或多种,而且还能够同时包括多个第二分类模型和/或多个第三分类模型,从而通过各个分类模型提取得到该目标视频中的更多视频特征信息,进一步提升视频分类任务的分类效果,也进一步提高对视频的分类准确率。
图3是根据本公开又一示例性实施例示出的一种视频分类方法中融合分类模型的训练方法的流程图。如图3所示,所述方法包括步骤301至步骤304。
在步骤301中,获取训练样本视频。
在步骤302中,将训练样本视频分别输入多个所述视频分类模型中,以确定与所述训练样本视频对应的多组分类预测结果,并根据所述第一分类模型的分类预测结果确定所述训练样本视频的分类标签标注。
在步骤303中,根据所述多组分类预测结果确定所述训练样本视频的样本视频特征。
在步骤304中,将所述样本视频特征输入所述融合分类模型中,以对所述融合分类模型进行训练。
在该视频分类模型中包括该第一分类模型的情况下,可以将该第一分类模型输出的分类结果直接作为该训练样本视频的分类标签对该训练样本视频进行标注,这样,就能够大量利用无标注的视频作为训练样本视频对该融合分类模型进行训练。
该融合分类模型可以为GBDT(Gradient Boosting Decision Tree)或者DNN(DeepNeural Network),或者其他任意有监督的机器学习模型,在本公开中对该融合分类模型的模型类型不进行限定,对上述多个视频分类模型的模型内容也不进行限定。
其中,所述训练方法中还可以包括获取该训练样本视频的视频属性信息,该步骤303中确定该训练样本视频的样本视频特征的过程可以还包括:根据多组分类预测结果和该训练样本视频的视频属性信息确定所述训练样本视频的样本视频特征。
图4是根据本公开一示例性实施例示出的一种视频分类装置的结构框图。如图4所示,所述装置包括:第一获取模块10,用于获取目标视频;第一确定模块20,用于将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;第二确定模块30,用于根据所述多组分类预测结果确定所述目标视频的目标视频特征;第三确定模块40,用于将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
通过上述技术方案,能够通过多个视频分类模型分别得到与目标视频对应的分类预测结果作为该目标视频的分类特征数据,最终融合多个视频分类模型的分类预测结果作为该目标视频的视频特征,进而根据该新得到的视频特征对视频分类进行识别,从而能够得到该目标视频更加丰富的分类信息,提升视频分类任务的分类效果,提高对视频的分类准确率。
图5是根据本公开又一示例性实施例示出的一种视频分类装置的结构框图,如图5所示,所述装置还包括:第二获取模块50,用于获取所述目标视频的视频属性信息,所述视频属性信息包括视频时长、视频作者、视频作者粉丝数中的至少一者;所述第二确定模块30还用于:根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征。
在一种可能的实施方式中,所述视频分类模型中包括第一分类模型,所述第一分类模型中所包括的多个第一目标分类对应的视频类别不完全相同。
在一种可能的实施方式中,所述视频分类模型中包括第二分类模型,所述第二分类模型中所包括的多个第二目标分类都属于同一视频类别;所述视频分类模型中包括多个所述第二分类模型,且各个所述第二分类模型所对应的所述视频类别不同。
在一种可能的实施方式中,所述视频分类模型中包括第三分类模型,所述第三分类模型中所包括的多个第三目标分类,其中,属于同一个所述第三目标分类的任意两个视频之间的相关度低于第一预设阈值。
在一种可能的实施方式中,所述分类预测结果为所述目标视频分别属于各个所述视频分类模型中所包括的各个分类的概率;所述第二确定模块30还用于:将所述多组分类预测结果按照预设顺序合并在一个N维数组中,根据多个所述视频分类模型中所包括的所有分类的总数确定所述N;将所述N维数组确定为所述目标视频的所述目标视频特征。
在一种可能的实施方式中,所述融合分类模型通过以下方式进行训练:获取训练样本视频;将训练样本视频分别输入多个所述视频分类模型中,以确定与所述训练样本视频对应的多组分类预测结果,并根据所述第一分类模型的分类预测结果确定所述训练样本视频的分类标签标注;根据所述多组分类预测结果确定所述训练样本视频的样本视频特征;将所述样本视频特征输入所述融合分类模型中,以对所述融合分类模型进行训练。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标视频;将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;根据所述多组分类预测结果确定所述目标视频的目标视频特征;将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“获取目标视频的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种视频分类方法,所述方法包括:获取目标视频;将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;根据所述多组分类预测结果确定所述目标视频的目标视频特征;将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述方法还包括:获取所述目标视频的视频属性信息,所述视频属性信息包括视频时长、视频作者、视频作者粉丝数中的至少一者;所述根据所述多组分类预测结果确定所述目标视频的目标视频特征包括:根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,所述视频分类模型中包括第一分类模型,所述第一分类模型中所包括的多个第一目标分类对应的视频类别不完全相同。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述视频分类模型中包括第二分类模型,所述第二分类模型中所包括的多个第二目标分类都属于同一视频类别;所述视频分类模型中包括多个所述第二分类模型,且各个所述第二分类模型所对应的所述视频类别不同。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,所述视频分类模型中包括第三分类模型,所述第三分类模型中所包括的多个第三目标分类,其中,属于同一个所述第三目标分类的任意两个视频之间的相关度低于第一预设阈值。
根据本公开的一个或多个实施例,示例6提供了示例1的方法,所述分类预测结果为所述目标视频分别属于各个所述视频分类模型中所包括的各个分类的概率;所述根据所述多组分类预测结果确定所述目标视频的目标视频特征包括:将所述多组分类预测结果按照预设顺序合并在一个N维数组中,根据多个所述视频分类模型中所包括的所有分类的总数确定所述N;将所述N维数组确定为所述目标视频的所述目标视频特征。
根据本公开的一个或多个实施例,示例7提供了示例1的方法,所述融合分类模型通过以下方式进行训练:获取训练样本视频;将训练样本视频分别输入多个所述视频分类模型中,以确定与所述训练样本视频对应的多组分类预测结果,并根据所述第一分类模型的分类预测结果确定所述训练样本视频的分类标签标注;根据所述多组分类预测结果确定所述训练样本视频的样本视频特征;将所述样本视频特征输入所述融合分类模型中,以对所述融合分类模型进行训练。
根据本公开的一个或多个实施例,示例8提供了一种视频分类装置,所述装置包括:第一获取模块,用于获取目标视频;第一确定模块,用于将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;第二确定模块,用于根据所述多组分类预测结果确定所述目标视频的目标视频特征;第三确定模块,用于将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1-7中任一项所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1-7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (8)
1.一种视频分类方法,其特征在于,所述方法包括:
获取目标视频;
将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;
根据所述多组分类预测结果确定所述目标视频的目标视频特征;
将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签;
所述方法还包括:
获取所述目标视频的视频属性信息,所述视频属性信息包括视频时长、视频作者、视频作者粉丝数中的至少一者;
所述根据所述多组分类预测结果确定所述目标视频的目标视频特征包括:
根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征;
其中,所述视频分类模型中包括第二分类模型,所述第二分类模型中所包括的多个第二目标分类都属于同一视频类别;
所述视频分类模型中包括多个所述第二分类模型,且各个所述第二分类模型所对应的所述视频类别不同。
2.根据权利要求1所述的方法,其特征在于,所述视频分类模型中包括第一分类模型,所述第一分类模型中所包括的多个第一目标分类对应的视频类别不完全相同。
3.根据权利要求1所述的方法,其特征在于,所述视频分类模型中包括第三分类模型,所述第三分类模型中包括多个第三目标分类,其中,属于同一个所述第三目标分类的任意两个视频之间的相关度低于第一预设阈值。
4.根据权利要求1所述的方法,其特征在于,所述分类预测结果为所述目标视频分别属于各个所述视频分类模型中所包括的各个分类的概率;
所述根据所述多组分类预测结果确定所述目标视频的目标视频特征包括:
将所述多组分类预测结果按照预设顺序合并在一个N维数组中,根据多个所述视频分类模型中所包括的所有分类的总数确定所述N;
将所述N维数组确定为所述目标视频的所述目标视频特征。
5.根据权利要求2所述的方法,其特征在于,所述融合分类模型通过以下方式进行训练:
获取训练样本视频;
将训练样本视频分别输入多个所述视频分类模型中,以确定与所述训练样本视频对应的多组分类预测结果,并根据所述第一分类模型的分类预测结果确定所述训练样本视频的分类标签标注;
根据所述多组分类预测结果确定所述训练样本视频的样本视频特征;
将所述样本视频特征输入所述融合分类模型中,以对所述融合分类模型进行训练。
6.一种视频分类装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标视频;
第一确定模块,用于将所述目标视频分别输入多个视频分类模型中,确定与所述目标视频对应的多组分类预测结果;
第二确定模块,用于根据所述多组分类预测结果确定所述目标视频的目标视频特征;
第三确定模块,用于将所述目标视频特征输入预先训练好的融合分类模型中,确定与所述目标视频对应的分类标签;
第二获取模块,用于获取所述目标视频的视频属性信息,所述视频属性信息包括视频时长、视频作者、视频作者粉丝数中的至少一者;
所述第二确定模块还用于:根据所述多组分类预测结果和所述视频属性信息确定所述目标视频的目标视频特征;
其中,所述视频分类模型中包括第二分类模型,所述第二分类模型中所包括的多个第二目标分类都属于同一视频类别;
所述视频分类模型中包括多个所述第二分类模型,且各个所述第二分类模型所对应的所述视频类别不同。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。
8.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450256.2A CN113033707B (zh) | 2021-04-25 | 2021-04-25 | 视频分类方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450256.2A CN113033707B (zh) | 2021-04-25 | 2021-04-25 | 视频分类方法、装置、可读介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033707A CN113033707A (zh) | 2021-06-25 |
CN113033707B true CN113033707B (zh) | 2023-08-04 |
Family
ID=76454490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110450256.2A Active CN113033707B (zh) | 2021-04-25 | 2021-04-25 | 视频分类方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033707B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627551A (zh) * | 2021-08-17 | 2021-11-09 | 平安普惠企业管理有限公司 | 基于多模型的证件分类方法、装置、设备和存储介质 |
CN113723341B (zh) * | 2021-09-08 | 2023-09-01 | 北京有竹居网络技术有限公司 | 视频的识别方法、装置、可读介质和电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108134784A (zh) * | 2017-12-19 | 2018-06-08 | 东软集团股份有限公司 | 网页分类方法及装置、存储介质及电子设备 |
CN109359636A (zh) * | 2018-12-14 | 2019-02-19 | 腾讯科技(深圳)有限公司 | 视频分类方法、装置及服务器 |
CN109614517A (zh) * | 2018-12-04 | 2019-04-12 | 广州市百果园信息技术有限公司 | 视频的分类方法、装置、设备及存储介质 |
CN110046278A (zh) * | 2019-03-11 | 2019-07-23 | 北京奇艺世纪科技有限公司 | 视频分类方法、装置、终端设备及存储介质 |
CN110162669A (zh) * | 2019-04-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 视频分类处理方法、装置、计算机设备及存储介质 |
CN111491187A (zh) * | 2020-04-15 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 视频的推荐方法、装置、设备及存储介质 |
US10848791B1 (en) * | 2018-10-30 | 2020-11-24 | Amazon Technologies, Inc. | Determining portions of video content based on artificial intelligence model |
CN112562727A (zh) * | 2020-12-18 | 2021-03-26 | 科大讯飞股份有限公司 | 应用于音频监控的音频场景分类方法、装置以及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10402697B2 (en) * | 2016-08-01 | 2019-09-03 | Nvidia Corporation | Fusing multilayer and multimodal deep neural networks for video classification |
KR20180057409A (ko) * | 2016-11-22 | 2018-05-30 | 박진수 | 오디오 신호 기반의 영상 분류 방법 및 영상 분류 장치 |
-
2021
- 2021-04-25 CN CN202110450256.2A patent/CN113033707B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108134784A (zh) * | 2017-12-19 | 2018-06-08 | 东软集团股份有限公司 | 网页分类方法及装置、存储介质及电子设备 |
US10848791B1 (en) * | 2018-10-30 | 2020-11-24 | Amazon Technologies, Inc. | Determining portions of video content based on artificial intelligence model |
CN109614517A (zh) * | 2018-12-04 | 2019-04-12 | 广州市百果园信息技术有限公司 | 视频的分类方法、装置、设备及存储介质 |
CN109359636A (zh) * | 2018-12-14 | 2019-02-19 | 腾讯科技(深圳)有限公司 | 视频分类方法、装置及服务器 |
CN110046278A (zh) * | 2019-03-11 | 2019-07-23 | 北京奇艺世纪科技有限公司 | 视频分类方法、装置、终端设备及存储介质 |
CN110162669A (zh) * | 2019-04-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 视频分类处理方法、装置、计算机设备及存储介质 |
CN111491187A (zh) * | 2020-04-15 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 视频的推荐方法、装置、设备及存储介质 |
CN112562727A (zh) * | 2020-12-18 | 2021-03-26 | 科大讯飞股份有限公司 | 应用于音频监控的音频场景分类方法、装置以及设备 |
Non-Patent Citations (1)
Title |
---|
基于时空域深度特征两级编码融合的视频分类;智洪欣 等;《计算机应用研究》;第35卷(第3期);第926-929页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113033707A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109104620B (zh) | 一种短视频推荐方法、装置和可读介质 | |
CN111382228B (zh) | 用于输出信息的方法和装置 | |
CN110674414A (zh) | 目标信息识别方法、装置、设备及存储介质 | |
CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN113723341B (zh) | 视频的识别方法、装置、可读介质和电子设备 | |
CN110633423A (zh) | 目标账号识别方法、装置、设备及存储介质 | |
CN110674349A (zh) | 视频poi识别方法、装置及电子设备 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111460288B (zh) | 用于检测新闻事件的方法和装置 | |
CN114494709A (zh) | 特征提取模型的生成方法、图像特征提取方法和装置 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN116894188A (zh) | 业务标签集更新方法、装置、介质及电子设备 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
CN114625876B (zh) | 作者特征模型的生成方法、作者信息处理方法和装置 | |
CN113222050B (zh) | 图像分类方法、装置、可读介质及电子设备 | |
CN114140723B (zh) | 多媒体数据的识别方法、装置、可读介质及电子设备 | |
CN113033680B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN110543491A (zh) | 搜索方法、装置、电子设备和计算机可读存储介质 | |
CN116503849B (zh) | 异常地址识别方法、装置、电子设备与计算机可读介质 | |
CN111753080B (zh) | 用于输出信息的方法和装置 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
CN113283115B (zh) | 图像模型生成方法、装置和电子设备 | |
CN113033681A (zh) | 视频分类方法、装置、可读介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |