CN113723341B - 视频的识别方法、装置、可读介质和电子设备 - Google Patents
视频的识别方法、装置、可读介质和电子设备 Download PDFInfo
- Publication number
- CN113723341B CN113723341B CN202111050220.1A CN202111050220A CN113723341B CN 113723341 B CN113723341 B CN 113723341B CN 202111050220 A CN202111050220 A CN 202111050220A CN 113723341 B CN113723341 B CN 113723341B
- Authority
- CN
- China
- Prior art keywords
- video
- training
- encoder
- target
- recognition model
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种视频的识别方法、装置、可读介质和电子设备,涉及图像处理技术领域,该方法包括:对获取到的待处理视频进行预处理,以得到目标视频,将目标视频输入预先训练的识别模型,以得到识别模型输出的识别结果,识别结果用于表征待处理视频的类别;识别模型包括编码器和投射层,编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个预投射层用于提取预训练视频的一种视频特征,识别模型为根据经过预训练的编码器,和第二数量的训练视频训练得到的,第二数量小于第一数量,预训练视频不具有用于指示类别的类别标签。本公开中能够提高编码器的表征能力和泛化能力,从而提高识别模型的识别准确度。
Description
技术领域
本公开涉及图像处理技术领域,具体地,涉及一种视频的识别方法、装置、可读介质和电子设备。
背景技术
随着图像处理技术的不断发展,越来越多的业务领域开始借助视频识别来完成任务,例如利用视频来识别危险行为、利用视频来识别人脸、利用视频来识别路况、障碍物等。通常情况下,在进行视频识别之前,需要预先采集海量具有标注的图像,以作为视频识别的参考基准。然而对图像进行标注需要投入大量人力物力,工作繁杂,效率低,难以实现,降低了视频识别的准确度。
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的识别方法,所述方法包括:
对获取到的待处理视频进行预处理,以得到目标视频;
将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;
所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;
所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签。
第二方面,本公开提供一种视频的识别装置,所述装置包括:
预处理模块,用于对获取到的待处理视频进行预处理,以得到目标视频;
识别模块,用于将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;
所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;
所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签。
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本公开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,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,本公开首先对获取到的待处理视频进行预处理,以得到目标视频,之后将目标视频输入预先训练的识别模型,以得到识别模型输出的,用于表征待处理视频的类别的识别结果。其中,识别模型包括编码器和投射层,编码器根据多个预投射层和第一数量个、不具有类别标签的预训练视频,预训练得到,每个预投射层用于提取预训练视频的一种视频特征。识别模型根据经过预训练的编码器,和第二数量的训练视频训练得到。本公开中识别模型包括的编码器通过自监督方法,并借助能够提取多种视频特征的预投射层进行预训练,以提高编码器的表征能力和泛化能力,从而提高识别模型的识别准确度。
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是根据一示例性实施例示出的一种视频的识别方法的流程图;
图2是根据一示例性实施例示出的另一种视频的识别方法的流程图;
图3是根据一示例性实施例示出的一种预训练编码器的流程图;
图4是根据一示例性实施例示出的编码器与预投射层的结构图;
图5是根据一示例性实施例示出的另一种预训练编码器的流程图;
图6是根据一示例性实施例示出的一种训练识别模型的流程图;
图7是根据一示例性实施例示出的另一种训练识别模型的流程图;
图8是根据一示例性实施例示出的一种识别模型的结构图;
图9是根据一示例性实施例示出的另一种训练识别模型的流程图;
图10是根据一示例性实施例示出的一种视频的识别装置的框图;
图11是根据一示例性实施例示出的另一种视频的识别装置的框图;
图12是根据一示例性实施例示出的一种电子设备的框图。
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是根据一示例性实施例示出的一种视频的识别方法的流程图,如图1所示,该方法包括以下步骤:
步骤101,对获取到的待处理视频进行预处理,以得到目标视频。
举例来说,首先可以获取待处理视频,待处理视频可以是存储在本地的视频,也可以是通过网络从服务器获取的视频。在对待处理视频进行识别之前,需要对待处理视频进行预处理,以得到预处理后的目标视频。具体的,预处理可以包括:清洗和采样两个步骤,对待处理视频进行清洗,可以理解为对待处理视频进行降噪、裁剪等处理,还可以去除待处理视频中与相邻的视频帧差别较大的视频帧。对待处理视频进行采样,一种方式是按照预设的时间间隔,从待处理视频中抽取多个视频帧,以组成目标视频,另一种方式是按照指定数量,从待处理视频中抽取指定数量的视频帧,以组成目标视频。例如,可以先对待处理视频进行清洗,然后从经过清洗后的视频中抽取16个视频帧,按照每个视频帧在待处理视频中的时序组成目标视频,即目标视频中包括16个视频帧。
步骤102,将目标视频输入预先训练的识别模型,以得到识别模型输出的识别结果,识别结果用于表征待处理视频的类别。识别模型包括编码器和投射层。
其中,编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个预投射层用于提取预训练视频的一种视频特征。
识别模型为根据经过预训练的编码器,和第二数量的训练视频训练得到的,第二数量小于第一数量,预训练视频不具有用于指示类别的类别标签。
示例的,可以预先训练一个识别模型,用于识别视频的类别,类别可以是动作类别、内容类别、天气类别、安全类别、人脸类别等,本公开对此不作具体限定。识别模型包括编码器和投射层,编码器用于对视频进行编码,投射层用于将编码结果投射为用于表征视频的特征向量,最后根据特征向量对视频进行识别。在得到目标视频之后,可以将目标视频输入识别模型,识别模型的输出即为,用于表征待处理视频的类别的识别结果。
其中,识别模型中的编码器,是根据多个预投射层和第一数量个不具有类别标签的预训练视频,预训练得到的。识别模型是根据经过预训练的编码器,和第二数量的训练视频训练得到的,其中,第二数量远小于第一数量,例如,第二数量为100,第一数量为5000。也就是说在对识别模型进行训练之前,可以先利用大量的不具有类别标签的预训练视频,和多个预投射层来预训练编码器,其中,每个预投射层用于提取预训练视频的一种视频特征,每种视频特征可以从一种维度来表征视频,即不同的预投射层提取的视频特征的种类不同。在对编码器进行预训练时,可以将任意两个预训练视频输入编码器,由编码器对预训练视频进行编码,然后将编码结果分别输入多个预投射层,每个预投射层提取一种视频特征。然后利用自监督方法(英文:Self-supervised learning),通过比较该两个预训练视频的每种视频特征,来调整编码器和多个预投射层中的参数,从而达到对编码器预训练的目的。由于在对编码器进行预训练时,结合了多个预投射层对应的多种视频特征,使得编码器学习到多个维度上视频的表征,能够有效提高编码器的表征能力和泛化能力。同时,由于不具有类别标签的视频很容易获得,可以选取各种领域海量的视频作为预训练视频,进一步提高了编码器的表征能力和泛化能力。
在完成对编码器的预训练之后,可以根据经过预训练的编码器,和第二数量的训练视频训练识别模型,其中,训练视频可以是少量的具有类别标签的视频。例如,可以将任一个训练视频输入经过预训练的编码器进行编码,然后将编码结果输入一个投射层,该投射层能够将编码结果投射为能够表征该训练视频的特征向量,之后再根据该特征向量预测该训练视频的类别,最后可以将预测的该训练视频的类别,与该训练视频的类别标签进行比较,来调整投射层,和/或编码器,从而达到训练识别模型的目的。由于经过预训练的编码器的表征能力和泛化能力高,因此识别模型的识别准确度也得到了提高,同时,通过少量的训练视频就可以快速训练好识别模型(可以理解为对识别模型进行微调),也提高了识别模型训练的效率。
综上所述,本公开首先对获取到的待处理视频进行预处理,以得到目标视频,之后将目标视频输入预先训练的识别模型,以得到识别模型输出的,用于表征待处理视频的类别的识别结果。其中,识别模型包括编码器和投射层,编码器根据多个预投射层和第一数量个、不具有类别标签的预训练视频,预训练得到,每个预投射层用于提取预训练视频的一种视频特征。识别模型根据经过预训练的编码器,和第二数量的训练视频训练得到。本公开中识别模型包括的编码器通过自监督方法,并借助能够提取多种视频特征的预投射层进行预训练,以提高编码器的表征能力和泛化能力,从而提高识别模型的识别准确度。
图2是根据一示例性实施例示出的另一种视频的识别方法的流程图,如图2所示,步骤102的实现方式可以包括:
步骤1021,通过编码器对目标视频进行编码,以得到目标视频对应的编码向量。
步骤1022,通过投射层将编码向量投射为视频向量,视频向量的维度,与待选类别的数量相同,待处理视频的类别属于待选类别。
步骤1023,根据视频向量确定识别结果。
举例来说,对目标视频进行识别的具体过程,可以先将目标视频输入编码器,由编码器对目标视频进行编码,编码器输出的即为目标视频对应的编码向量。之后,再将编码向量输入投射层,由投射层将编码向量投射为用于表征目标视频的视频向量(即投射层的输出),投射层可以理解为线性层或者全连接层。其中,视频向量的维度(也可以理解为投射层的输出维度),与待选类别的数量相同,待选类别可以理解为待处理视频可能被识别为的类别的数量,可以根据具体需求来确定。例如,待处理视频为车辆采集的路况视频,用于判断道路的坡度,那么待选类别可以为:平稳路况、上坡路况、下坡路况,共3种。再比如,待处理视频为安防***采集的监控视频,用于判断有无危险情况,那么待选类别可以为:安全、三级危险、二级危险、一级危险,共4种。
在得到投射层输出的视频向量之后,可以利用Softmax层对视频向量进行处理,以得到目标视频与多种待选类别的匹配概率。最后,可以将匹配概率最高的待选类别,作为待处理视频的类别,即识别结果。
图3是根据一示例性实施例示出的一种预训练编码器的流程图,如图3所示,编码器是通过如下方式预训练获得的:
步骤201,对第一数量个预训练视频进行预处理,以得到每个预训练视频对应的目标预训练视频。
步骤202,将每个目标预训练视频输入编码器,并将编码器的输出,输入多个预投射层,以得到每个预投射层提取的,该目标预训练视频的一种视频特征。
步骤203,根据每个目标预训练视频的多种视频特征,预训练编码器和多个预投射层。
示例的,在对编码器进行预训练时,可以预先采集第一数量个不具有类别标签的预训练视频,然后对每个预训练视频进行预处理,以得到每个预训练视频对应的目标预训练视频,即得到第一数量个目标预训练视频。其中,对预训练视频进行预处理的方式可以和步骤101中对待处理视频进行预处理的方式相同,此处不再赘述。之后,可以建立多个预投射层,并将每个预投射层的输入端,与编码器的输出端连接,如图4所示。可以将预投射层理解为线性层或者全连接层。每个预投射层的输入维度即为编码器的输出维度,每个预投射层的输出维度都可以不相同,也就是说,多个预投射层提取出的,可以是不同维度的多种视频特征。例如,编码器的输出为1*N维,那么多个预投射层可以分别为N*T维、N*(T+1)维、N*(T+2)维、N(T+3)维等,相应的,多个预投射层提取出的视频特征可以分别为1*T维、1*(T+1)维、1*(T+2)维、1*(T+3)维等。
可以将第一数量个目标预训练视频分别输入编码器,并将编码器的输出,输入多个预投射层,以得到每个预投射层提取的,该目标预训练视频的一种视频特征。最后,根据每个目标预训练视频的多种视频特征,预训练编码器和多个预投射层。例如,可以利用自监督方法确定损失函数,并以降低损失函数为目标,利用反向传播算法来修正编码器和多个预投射层中的神经元的参数,神经元的参数例如可以是神经元的权重(英文:Weight)和偏置量(英文:Bias)。重复上述步骤,直至损失函数满足预设条件,例如损失函数小于预设的损失阈值,已到完成对编码器的预训练。
图5是根据一示例性实施例示出的另一种预训练编码器的流程图,如图5所示,步骤203可以通过以下步骤实现:
步骤2031,针对每种视频特征,根据每两个目标预训练视频的该种视频特征,确定该种视频特征对应的损失。
步骤2032,根据每种视频特征对应的损失确定综合损失。
步骤2033,以降低综合损失为目标,利用反向传播算法预训练编码器和多个预投射层。
示例的,预训练编码器和多个预投射层的具体方式,可以先确定每种视频特征对应的损失,然后根据每种视频特征对应的损失确定综合损失。例如,可以将每种视频特征对应的损失求平均,或者加权求和,以作为综合损失。最后,以降低综合损失为目标,利用反向传播算法预训练编码器和多个预投射层。具体的,每种视频特征对应的损失可以通过公式一确定:
其中,Lc表示任一种视频特征对应的损失,M表示预训练编码器和多个预投射层的batch_size(即批尺寸),zi表示第i个目标训练视频的该种视频特征,zi+表示M个目标训练视频中,第i个目标训练视频的正样本(可以理解为,与第i个目标训练视频相同的视频)的该种视频特征,zk表示第k个目标训练视频的该种视频特征(可以理解为M个目标训练视频中,第i个目标训练视频的负样本,即与第i个目标训练视频不相同的视频),τ表示预设的调整系数,例如可以为0.07。
图6是根据一示例性实施例示出的一种训练识别模型的流程图,如图6所示,识别模型是通过如下方式训练获得的:
步骤301,对第二数量个训练视频进行预处理,以得到每个训练视频对应的目标训练视频。
步骤302,将每个目标训练视频输入识别模型,并根据识别模型的输出与该目标训练视频对应的训练视频的类别标签,训练识别模型。
举例来说,在对识别模型进行训练时,可以预先采集第二数量个训练视频,每个训练视频均具有类别标签。然后对每个训练视频进行预处理,以得到每个训练视频对应的目标训练视频,即得到第二数量个目标训练视频。其中,对训练视频进行预处理的方式可以和步骤101中对待处理视频进行预处理的方式相同,此处不再赘述。之后,可以将每个目标训练视频输入识别模型,并根据识别模型的输出与该目标训练视频对应的训练视频的类别标签,训练识别模型。例如,可以根据识别模型的输出与该目标训练视频对应的训练视频的类别标签确定损失函数,并以降低损失函数为目标,利用反向传播算法来修正识别模型中的神经元的参数,神经元的参数例如可以是神经元的权重和偏置量。重复上述步骤,直至损失函数满足预设条件,例如损失函数小于预设的损失阈值,已到完成对识别模型的训练。
图7是根据一示例性实施例示出的另一种训练识别模型的流程图,如图7所示,步骤302可以包括:
步骤3021,将该目标训练视频输入经过预训练的编码器,以得到经过预训练的编码器输出的,该目标训练视频对应的训练编码向量。
步骤3022,将训练编码向量输入投射层,以得到投射层输出的训练视频向量。
步骤3023,将训练视频向量输入识别模型的分类层,以得到分类层输出的训练识别结果,并将训练识别结果作为识别模型的输出。
步骤3024,根据训练识别结果和该目标训练视频对应的训练视频的类别标签,训练投射层,和/或编码器。
示例的,识别模型的结构可以如图8所示,其中包括经过预训练的编码器、投射层和分类层,其中,投射层可以理解为线性层或者全连接层。投射层的输入维度即为编码器的输出维度,投射层的输出维度可以根据待处理视频可能被识别为的类别的数量来确定。分类层可以理解为Softmax层。训练识别模型的具体方式,首先将任一个目标训练视频输入经过预训练的编码器,以得到经过预训练的编码器输出的,该目标训练视频对应的训练编码向量。之后,将训练编码向量输入投射层,以得到投射层输出的训练视频向量,最后,将训练视频向量输入识别模型的分类层,以得到分类层输出的训练识别结果,并将训练识别结果作为识别模型的输出。具体的,分类层可以根据训练视频向量,确定该目标训练视频与多种待选类别的匹配概率,然后将匹配概率最高的待选类别,作为训练识别结果。最后,可以根据训练识别结果和该目标训练视频对应的训练视频的类别标签,训练投射层,和/或编码器。例如,可以将分类层确定的该目标训练视频与多种待选类别的匹配概率,与该目标训练视频对应的训练视频的类别标签进行比较,以修正投射层,和/或编码器中的神经元的参数,神经元的参数例如可以是神经元的权重和偏置量。需要说明的是,在一种方式中,对识别模型进行训练时,可以只修正投射层中的神经元的参数,这样经过少量的调整(也可以理解为微调),就能够快速得到训练好的识别模型。在另一种实现方式中,对识别模型进行训练时,也可以同时修正投射层和编码器中的神经元的参数,能够进一步提高识别模型的识别准确度。在又一种实现方式中,对识别模型进行训练时,还可以只修正编码器中的神经元的参数。本公开对此不作具体限定。
图9是根据一示例性实施例示出的另一种训练识别模型的流程图,如图9所示,识别模型还通过如下方式训练获得的:
步骤303,根据待选类别的数量,确定投射层的输出维度,以使投射层输出的训练视频向量的维度与待选类别的数量相同。待处理视频的类别属于待选类别。
示例的,在对识别模型进行训练时,可以根据待处理视频可能被识别为的待选类别的数量,来确定投射层的输出维度,使得投射层输出的训练视频向量的维度与待选类别的数量相同。也就是说,可以根据识别模型具体需要完成的任务来确定投射层的输出维度。例如,待处理视频为车辆采集的路况视频,用于判断道路的坡度,待选类别可以为:平稳路况、上坡路况、下坡路况,共3种。那么投射层的输出维度可以为3。再比如,待处理视频为安防***采集的监控视频,用于判断有无危险情况,待选类别可以为:安全、三级危险、二级危险、一级危险,共4种。那么投射层的输出维度可以为4。这样,在利用海量不具有类别标签的预训练视频对编码器进行预训练后,对识别模型进行训练时,可以根据具体的需求,选择不同输出维度的投射层,并利用少量的训练视频即可训练得到能够识别多种待选类别的识别模型。
综上所述,本公开首先对获取到的待处理视频进行预处理,以得到目标视频,之后将目标视频输入预先训练的识别模型,以得到识别模型输出的,用于表征待处理视频的类别的识别结果。其中,识别模型包括编码器和投射层,编码器根据多个预投射层和第一数量个、不具有类别标签的预训练视频,预训练得到,每个预投射层用于提取预训练视频的一种视频特征。识别模型根据经过预训练的编码器,和第二数量的训练视频训练得到。本公开中识别模型包括的编码器通过自监督方法,并借助能够提取多种视频特征的预投射层进行预训练,以提高编码器的表征能力和泛化能力,从而提高识别模型的识别准确度。
图10是根据一示例性实施例示出的一种视频的识别装置的框图,如图10所示,该装置400包括:
预处理模块401,用于对获取到的待处理视频进行预处理,以得到目标视频。
识别模块402,用于将目标视频输入预先训练的识别模型,以得到识别模型输出的识别结果,识别结果用于表征待处理视频的类别。识别模型包括编码器和投射层。
其中,编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个预投射层用于提取预训练视频的一种视频特征。
识别模型为根据经过预训练的编码器,和第二数量的训练视频训练得到的,第二数量小于第一数量,预训练视频不具有用于指示类别的类别标签。
图11是根据一示例性实施例示出的另一种视频的识别装置的框图,如图11所示,识别模块402可以包括:
编码子模块4021,用于通过编码器对目标视频进行编码,以得到目标视频对应的编码向量。
投射子模块4022,用于通过投射层将编码向量投射为视频向量,视频向量的维度,与待选类别的数量相同,待处理视频的类别属于待选类别。
识别子模块4023,用于根据视频向量确定识别结果。
在一种实现方式中,编码器可以是通过如下方式预训练获得的:
步骤A,对第一数量个预训练视频进行预处理,以得到每个预训练视频对应的目标预训练视频。
步骤B,将每个目标预训练视频输入编码器,并将编码器的输出,输入多个预投射层,以得到每个预投射层提取的,该目标预训练视频的一种视频特征。
步骤C,根据每个目标预训练视频的多种视频特征,预训练编码器和多个预投射层。
在另一种实现方式中,步骤C可以通过以下步骤实现:
步骤C1,针对每种视频特征,根据每两个目标预训练视频的该种视频特征,确定该种视频特征对应的损失。
步骤C2,根据每种视频特征对应的损失确定综合损失。
步骤C3,以降低综合损失为目标,利用反向传播算法预训练编码器和多个预投射层。
在又一种实现方式中,识别模型可以是通过如下方式训练获得的:
步骤D,对第二数量个训练视频进行预处理,以得到每个训练视频对应的目标训练视频。
步骤E,将每个目标训练视频输入识别模型,并根据识别模型的输出与该目标训练视频对应的训练视频的类别标签,训练识别模型。
在又一种实现方式中,步骤E可以包括:
步骤E1,将该目标训练视频输入经过预训练的编码器,以得到经过预训练的编码器输出的,该目标训练视频对应的训练编码向量。
步骤E2,将训练编码向量输入投射层,以得到投射层输出的训练视频向量。
步骤E3,将训练视频向量输入识别模型的分类层,以得到分类层输出的训练识别结果,并将训练识别结果作为识别模型的输出。
步骤E4,根据训练识别结果和该目标训练视频对应的训练视频的类别标签,训练投射层,和/或编码器。
在又一种实现方式中,识别模型还通过如下方式训练获得的:
步骤F,根据待选类别的数量,确定投射层的输出维度,以使投射层输出的训练视频向量的维度与待选类别的数量相同。待处理视频的类别属于待选类别。
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。
综上所述,本公开首先对获取到的待处理视频进行预处理,以得到目标视频,之后将目标视频输入预先训练的识别模型,以得到识别模型输出的,用于表征待处理视频的类别的识别结果。其中,识别模型包括编码器和投射层,编码器根据多个预投射层和第一数量个、不具有类别标签的预训练视频,预训练得到,每个预投射层用于提取预训练视频的一种视频特征。识别模型根据经过预训练的编码器,和第二数量的训练视频训练得到。本公开中识别模型包括的编码器通过自监督方法,并借助能够提取多种视频特征的预投射层进行预训练,以提高编码器的表征能力和泛化能力,从而提高识别模型的识别准确度。
下面参考图12,其示出了适于用来实现本公开实施例的电子设备(即上述视频的识别方法的执行主体,可以是终端设备,也可以是服务器)500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12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12所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505: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506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备500,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509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501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,终端设备、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:对获取到的待处理视频进行预处理,以得到目标视频;将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签。
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,预处理模块还可以被描述为“对待处理视频进行预处理的模块”。
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提供了一种视频的识别方法,包括:对获取到的待处理视频进行预处理,以得到目标视频;将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签。
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,所述将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,包括:通过所述编码器对所述目标视频进行编码,以得到所述目标视频对应的编码向量;通过所述投射层将所述编码向量投射为视频向量,所述视频向量的维度,与待选类别的数量相同,所述待处理视频的类别属于所述待选类别;根据所述视频向量确定所述识别结果。
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,所述编码器是通过如下方式预训练获得的:对第一数量个所述预训练视频进行预处理,以得到每个所述预训练视频对应的目标预训练视频;将每个所述目标预训练视频输入所述编码器,并将所述编码器的输出,输入多个所述预投射层,以得到每个所述预投射层提取的,该目标预训练视频的一种视频特征;根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层。
根据本公开的一个或多个实施例,示例4提供了示例3的方法,所述根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层,包括:针对每种视频特征,根据每两个所述目标预训练视频的该种视频特征,确定该种视频特征对应的损失;根据每种视频特征对应的损失确定综合损失;以降低所述综合损失为目标,利用反向传播算法预训练所述编码器和多个所述预投射层。
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,所述识别模型是通过如下方式训练获得的:对第二数量个所述训练视频进行预处理,以得到每个所述训练视频对应的目标训练视频;将每个所述目标训练视频输入所述识别模型,并根据所述识别模型的输出与该目标训练视频对应的所述训练视频的类别标签,训练所述识别模型。
根据本公开的一个或多个实施例,示例6提供了示例5的方法,所述将每个所述目标训练视频输入所述识别模型,并根据所述识别模型的输出与该目标训练视频对应的所述训练视频的类别标签,训练所述识别模型,包括:将该目标训练视频输入经过预训练的所述编码器,以得到经过预训练的所述编码器输出的,该目标训练视频对应的训练编码向量;将所述训练编码向量输入所述投射层,以得到所述投射层输出的训练视频向量;将所述训练视频向量输入所述识别模型的分类层,以得到所述分类层输出的训练识别结果,并将所述训练识别结果作为所述识别模型的输出;根据所述训练识别结果和该目标训练视频对应的所述训练视频的类别标签,训练所述投射层,和/或所述编码器。
根据本公开的一个或多个实施例,示例7提供了示例6的方法,所述识别模型还通过如下方式训练获得的:根据待选类别的数量,确定所述投射层的输出维度,以使所述投射层输出的所述训练视频向量的维度与所述待选类别的数量相同;所述待处理视频的类别属于所述待选类别。
根据本公开的一个或多个实施例,示例8提供了一种视频的识别装置,包括:预处理模块,用于对获取到的待处理视频进行预处理,以得到目标视频;识别模块,用于将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签。
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至示例7中所述方法的步骤。
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至示例7中所述方法的步骤。
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 (7)
1.一种视频的识别方法,其特征在于,所述方法包括:
对获取到的待处理视频进行预处理,以得到目标视频;
将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;
所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;
所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签;
所述将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,包括:
通过所述编码器对所述目标视频进行编码,以得到所述目标视频对应的编码向量;
通过所述投射层将所述编码向量投射为视频向量,所述视频向量的维度,与待选类别的数量相同,所述待处理视频的类别属于所述待选类别;
根据所述视频向量确定所述识别结果;
所述编码器是通过如下方式预训练获得的:
对第一数量个所述预训练视频进行预处理,以得到每个所述预训练视频对应的目标预训练视频;
将每个所述目标预训练视频输入所述编码器,并将所述编码器的输出,输入多个所述预投射层,以得到每个所述预投射层提取的,该目标预训练视频的一种视频特征;
根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层;
所述根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层,包括:
针对每种视频特征,根据每两个所述目标预训练视频的该种视频特征,确定该种视频特征对应的损失;
根据每种视频特征对应的损失确定综合损失;
以降低所述综合损失为目标,利用反向传播算法预训练所述编码器和多个所述预投射层。
2.根据权利要求1所述的方法,其特征在于,所述识别模型是通过如下方式训练获得的:
对第二数量个所述训练视频进行预处理,以得到每个所述训练视频对应的目标训练视频;
将每个所述目标训练视频输入所述识别模型,并根据所述识别模型的输出与该目标训练视频对应的所述训练视频的类别标签,训练所述识别模型。
3.根据权利要求2所述的方法,其特征在于,所述将每个所述目标训练视频输入所述识别模型,并根据所述识别模型的输出与该目标训练视频对应的所述训练视频的类别标签,训练所述识别模型,包括:
将该目标训练视频输入经过预训练的所述编码器,以得到经过预训练的所述编码器输出的,该目标训练视频对应的训练编码向量;
将所述训练编码向量输入所述投射层,以得到所述投射层输出的训练视频向量;
将所述训练视频向量输入所述识别模型的分类层,以得到所述分类层输出的训练识别结果,并将所述训练识别结果作为所述识别模型的输出;
根据所述训练识别结果和该目标训练视频对应的所述训练视频的类别标签,训练所述投射层,和/或所述编码器。
4.根据权利要求3所述的方法,其特征在于,所述识别模型还通过如下方式训练获得的:
根据待选类别的数量,确定所述投射层的输出维度,以使所述投射层输出的所述训练视频向量的维度与所述待选类别的数量相同;所述待处理视频的类别属于所述待选类别。
5.一种视频的识别装置,其特征在于,所述装置包括:
预处理模块,用于对获取到的待处理视频进行预处理,以得到目标视频;
识别模块,用于将所述目标视频输入预先训练的识别模型,以得到所述识别模型输出的识别结果,所述识别结果用于表征所述待处理视频的类别;所述识别模型包括编码器和投射层;
所述编码器为根据多个预投射层和第一数量个预训练视频,预训练得到的,每个所述预投射层用于提取所述预训练视频的一种视频特征;
所述识别模型为根据经过预训练的所述编码器,和第二数量的训练视频训练得到的,所述第二数量小于所述第一数量,所述预训练视频不具有用于指示类别的类别标签;
所述识别模块包括:
编码子模块,用于通过所述编码器对所述目标视频进行编码,以得到所述目标视频对应的编码向量;
投射子模块,用于通过所述投射层将所述编码向量投射为视频向量,所述视频向量的维度,与待选类别的数量相同,所述待处理视频的类别属于所述待选类别;
识别子模块,用于根据所述视频向量确定所述识别结果;
所述编码器是通过如下方式预训练获得的:
对第一数量个所述预训练视频进行预处理,以得到每个所述预训练视频对应的目标预训练视频;
将每个所述目标预训练视频输入所述编码器,并将所述编码器的输出,输入多个所述预投射层,以得到每个所述预投射层提取的,该目标预训练视频的一种视频特征;
根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层;
所述根据每个所述目标预训练视频的多种视频特征,预训练所述编码器和多个所述预投射层,包括:
针对每种视频特征,根据每两个所述目标预训练视频的该种视频特征,确定该种视频特征对应的损失;
根据每种视频特征对应的损失确定综合损失;
以降低所述综合损失为目标,利用反向传播算法预训练所述编码器和多个所述预投射层。
6.一种计算机可读介质,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1-4中任一项所述方法的步骤。
7.一种电子设备,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1-4中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050220.1A CN113723341B (zh) | 2021-09-08 | 2021-09-08 | 视频的识别方法、装置、可读介质和电子设备 |
PCT/CN2022/112759 WO2023035877A1 (zh) | 2021-09-08 | 2022-08-16 | 视频的识别方法、装置、可读介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111050220.1A CN113723341B (zh) | 2021-09-08 | 2021-09-08 | 视频的识别方法、装置、可读介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723341A CN113723341A (zh) | 2021-11-30 |
CN113723341B true CN113723341B (zh) | 2023-09-01 |
Family
ID=78682591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111050220.1A Active CN113723341B (zh) | 2021-09-08 | 2021-09-08 | 视频的识别方法、装置、可读介质和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113723341B (zh) |
WO (1) | WO2023035877A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113723344A (zh) * | 2021-09-08 | 2021-11-30 | 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 |
CN114841970B (zh) * | 2022-05-09 | 2023-07-18 | 抖音视界有限公司 | 检查图像的识别方法、装置、可读介质和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259366A (zh) * | 2020-01-22 | 2020-06-09 | 支付宝(杭州)信息技术有限公司 | 一种基于自监督学习的验证码识别器的训练方法和装置 |
CN111860674A (zh) * | 2020-07-28 | 2020-10-30 | 平安科技(深圳)有限公司 | 样本类别识别方法、装置、计算机设备及存储介质 |
CN112508078A (zh) * | 2020-12-02 | 2021-03-16 | 携程旅游信息技术(上海)有限公司 | 图像多任务多标签识别方法、***、设备及介质 |
CN112668492A (zh) * | 2020-12-30 | 2021-04-16 | 中山大学 | 一种自监督学习与骨骼信息的行为识别方法 |
CN112766284A (zh) * | 2021-01-26 | 2021-05-07 | 北京有竹居网络技术有限公司 | 图像识别方法和装置、存储介质和电子设备 |
CN112802568A (zh) * | 2021-02-03 | 2021-05-14 | 紫东信息科技(苏州)有限公司 | 基于病历文本的多标签胃部疾病分类方法及装置 |
CN113222983A (zh) * | 2021-06-03 | 2021-08-06 | 北京有竹居网络技术有限公司 | 图像处理方法、装置、可读介质和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819282B (zh) * | 2017-11-22 | 2021-04-23 | 腾讯科技(深圳)有限公司 | 一种视频用户类别识别方法、装置和介质 |
CN112446237A (zh) * | 2019-08-29 | 2021-03-05 | 北京百度网讯科技有限公司 | 视频分类方法、装置、设备及计算机可读存储介质 |
US11423255B2 (en) * | 2019-11-11 | 2022-08-23 | Five AI Limited | Image processing |
CN111626251A (zh) * | 2020-06-02 | 2020-09-04 | Oppo广东移动通信有限公司 | 一种视频分类方法、视频分类装置及电子设备 |
CN112668453B (zh) * | 2020-12-24 | 2023-11-14 | 平安科技(深圳)有限公司 | 视频识别方法及相关设备 |
CN113033707B (zh) * | 2021-04-25 | 2023-08-04 | 北京有竹居网络技术有限公司 | 视频分类方法、装置、可读介质及电子设备 |
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 |
-
2021
- 2021-09-08 CN CN202111050220.1A patent/CN113723341B/zh active Active
-
2022
- 2022-08-16 WO PCT/CN2022/112759 patent/WO2023035877A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259366A (zh) * | 2020-01-22 | 2020-06-09 | 支付宝(杭州)信息技术有限公司 | 一种基于自监督学习的验证码识别器的训练方法和装置 |
CN111860674A (zh) * | 2020-07-28 | 2020-10-30 | 平安科技(深圳)有限公司 | 样本类别识别方法、装置、计算机设备及存储介质 |
CN112508078A (zh) * | 2020-12-02 | 2021-03-16 | 携程旅游信息技术(上海)有限公司 | 图像多任务多标签识别方法、***、设备及介质 |
CN112668492A (zh) * | 2020-12-30 | 2021-04-16 | 中山大学 | 一种自监督学习与骨骼信息的行为识别方法 |
CN112766284A (zh) * | 2021-01-26 | 2021-05-07 | 北京有竹居网络技术有限公司 | 图像识别方法和装置、存储介质和电子设备 |
CN112802568A (zh) * | 2021-02-03 | 2021-05-14 | 紫东信息科技(苏州)有限公司 | 基于病历文本的多标签胃部疾病分类方法及装置 |
CN113222983A (zh) * | 2021-06-03 | 2021-08-06 | 北京有竹居网络技术有限公司 | 图像处理方法、装置、可读介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113723341A (zh) | 2021-11-30 |
WO2023035877A1 (zh) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113723341B (zh) | 视频的识别方法、装置、可读介质和电子设备 | |
WO2022252881A1 (zh) | 图像处理方法、装置、可读介质和电子设备 | |
WO2023035896A1 (zh) | 视频的识别方法、装置、可读介质和电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN113436620A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113327599B (zh) | 语音识别方法、装置、介质及电子设备 | |
WO2023078070A1 (zh) | 一种字符识别方法、装置、设备、介质及产品 | |
CN116166271A (zh) | 代码生成方法、装置、存储介质及电子设备 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN116258657A (zh) | 模型训练方法、图像处理方法、装置、介质及电子设备 | |
CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN112241761B (zh) | 模型训练方法、装置和电子设备 | |
CN116244431A (zh) | 文本分类方法、装置、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 | |
CN114330239A (zh) | 文本处理方法及装置、存储介质及电子设备 | |
CN114004313A (zh) | 故障gpu的预测方法、装置、电子设备及存储介质 | |
CN114495080A (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
CN115938470B (zh) | 蛋白质特征预处理方法、装置、介质及设备 | |
CN111814807B (zh) | 用于处理图像的方法、装置、电子设备和计算机可读介质 | |
CN117556201A (zh) | 路网信息识别方法、装置、可读介质及电子设备 | |
CN118071428A (zh) | 用于多模态监测数据的智能处理***及方法 | |
CN117591690A (zh) | 图像中的实体识别方法、装置、介质及电子设备 | |
CN116775816A (zh) | 解题模型的确定方法、数据处理方法、装置、介质及设备 |
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 |