CN117082309B - 基于人工智能的气象服务短视频加工方法及平台*** - Google Patents
基于人工智能的气象服务短视频加工方法及平台*** Download PDFInfo
- Publication number
- CN117082309B CN117082309B CN202310911134.8A CN202310911134A CN117082309B CN 117082309 B CN117082309 B CN 117082309B CN 202310911134 A CN202310911134 A CN 202310911134A CN 117082309 B CN117082309 B CN 117082309B
- Authority
- CN
- China
- Prior art keywords
- image
- short video
- description
- weather
- enhancement
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 584
- 239000013598 vector Substances 0.000 claims abstract description 412
- 238000004220 aggregation Methods 0.000 claims abstract description 155
- 230000002776 aggregation Effects 0.000 claims abstract description 155
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000005065 mining Methods 0.000 claims description 207
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 17
- 238000013441 quality evaluation Methods 0.000 claims description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 11
- 238000013508 migration Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000002688 persistence Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000002787 reinforcement Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/85—Assembly of content; Generation of multimedia applications
- H04N21/854—Content authoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/488—Data services, e.g. news ticker
- H04N21/4886—Data services, e.g. news ticker for displaying a ticker, e.g. scrolling banner for news, stock exchange, weather data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8126—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8146—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/816—Monomedia components thereof involving special video data, e.g 3D video
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供的基于人工智能的气象服务短视频加工方法及平台***,在对待加工气象订阅服务短视频进行短视频图像增强的任务下,可以通过聚合得到的目标聚合描述向量进行短视频图像增强,可以利用目标聚合描述向量中气象订阅服务短视频图像和增强素材之间的特征联系以及增强素材之间的图层牵涉情况,提高对气象订阅服务短视频图像的特征强化处理质量和针对性,以实现个性化的气象订阅服务短视频的图像强化处理。这样一来,能够实现气象服务短视频的内容优化处理,提高气象订阅服务短视频的可视化理解程度和推送存留度。
Description
技术领域
本发明涉及人工智能和气象服务技术领域,具体而言,涉及一种基于人工智能的气象服务短视频加工方法及平台***。
背景技术
随着全球环境问题的逐渐恶化,气象服务与社会生产/公众生活都有着紧密的关系,影响着企业的生产经营和公众的日常生活,及时地进行相关的气象预警和服务信息推送和传达,在当今信息化社会显得尤为重要。然而,传统技术在进行气象服务推送时大多是将相关的气象信息以图像或者文本的形式进行生硬、机械化的推送。
发明内容
为了改善上述问题,本发明提供了一种基于人工智能的气象服务短视频加工方法及平台***。
第一方面,提供一种基于人工智能的气象服务短视频加工方法,应用于人工智能平台***,所述方法包括:
获取待加工气象订阅服务短视频和短视频图像增强素材库;
将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;
通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量,所述图像增强素材描述向量反映所述短视频图像增强素材库的素材属性关系网;
对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量;
将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
优选的,所述素材描述挖掘模型包括与所述短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,所述通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量包括:
对所述若干个增强素材簇中每个增强素材簇的增强素材信息进行图像描述挖掘,得到所述每个增强素材簇对应的增强素材簇描述向量;
将所述短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到所述选定增强素材簇对应的描述向量整理组件,得到所述选定增强素材簇对应的增强素材簇融合向量数据;
依据所述选定增强素材簇的上游增强素材簇,游走所述若干个增强素材簇;
将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和所述当前游走到的增强素材簇对应的增强素材簇描述向量加载到所述当前游走到的增强素材簇对应的描述向量整理组件,得到所述当前游走到的增强素材簇对应的增强素材簇融合向量数据;
在完成所述若干个增强素材簇的游走后,将所述短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为所述图像增强素材描述向量。
优选的,所述图像描述挖掘模型包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,所述将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量包括:
将所述待加工气象订阅服务短视频加载到所述图像块拆解组件进行图像块拆解,得到所述若干个气象服务页面图像块;
将所述若干个气象服务页面图像块加载到所述图像描述挖掘组件进行图像描述挖掘,得到所述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征;
将所述基础图像描述子、所述分布特征数据与所述图像关联特征加载到所述图像描述聚合组件对所述若干个气象服务页面图像块进行关联处理,得到所述短视频图像描述向量和所述气象服务页面描述向量。
优选的,所述对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量包括:
将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量;
将所述基础聚合描述向量、所述短视频图像描述向量和所述图像增强素材描述向量加载到强化子模型进行特征强化处理,得到所述目标聚合描述向量。
优选的,所述聚合子模型包括联动解析组件、区间数值映射组件和权重处理组件,所述将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量包括:
将所述气象服务页面描述向量与所述图像增强素材描述向量加载到所述联动解析组件进行联动解析,得到目标联动解析结果;
将所述目标联动解析结果加载到所述区间数值映射组件进行区间数值映射处理,得到所述气象服务页面描述向量的联动加权系数;
将所述联动加权系数和所述气象服务页面描述向量加载到所述权重处理组件进行基于权重的聚合操作,得到所述基础聚合描述向量。
优选的,所述方法还包括:
获取过往气象订阅服务短视频和所述过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像;
将所述过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到所述过往气象订阅服务短视频的过往短视频图像描述向量和所述过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量;
基于初始素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的过往图像增强素材描述向量;
将所述过往图像增强素材描述向量和所述过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量;
将所述过往基础聚合描述向量、所述过往短视频图像描述向量和所述过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例;
将所述目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到所述过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像;
根据所述先验增强气象订阅服务短视频图像和所述预测增强气象订阅服务短视频图像,确定目标模型质量评估数据;
根据所述目标模型质量评估数据,调试所述初始图像描述挖掘模型、所述初始素材描述挖掘模型、所述初始聚合子模型、所述初始强化子模型和所述初始短视频图像增强模型,得到所述图像描述挖掘模型、所述素材描述挖掘模型、所述聚合子模型、所述强化子模型和所述短视频图像增强模型。
优选的,所述增强气象订阅服务短视频图像为所述短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在所述将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,所述方法还包括:
获取增强素材匹配指示,所述增强素材匹配指示反映所述图像数据与所述图像数据对应的多层图像数据的投影特征;
根据所述增强素材匹配指示,确定与所述增强气象订阅服务短视频图像对应的目标多层图像数据。
第二方面,提供一种人工智能平台***,所述人工智能平台***包括:
数据获取模块,用于获取待加工气象订阅服务短视频和短视频图像增强素材库;
第一挖掘模块,用于将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;
第二挖掘模块,用于通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量,所述图像增强素材描述向量反映所述短视频图像增强素材库的素材属性关系网;
向量聚合模块,用于对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量;
视频加工模块,用于将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
优选的,所述素材描述挖掘模型包括与所述短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,所述第二挖掘模块通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量包括:
对所述若干个增强素材簇中每个增强素材簇的增强素材信息进行图像描述挖掘,得到所述每个增强素材簇对应的增强素材簇描述向量;
将所述短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到所述选定增强素材簇对应的描述向量整理组件,得到所述选定增强素材簇对应的增强素材簇融合向量数据;
依据所述选定增强素材簇的上游增强素材簇,游走所述若干个增强素材簇;
将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和所述当前游走到的增强素材簇对应的增强素材簇描述向量加载到所述当前游走到的增强素材簇对应的描述向量整理组件,得到所述当前游走到的增强素材簇对应的增强素材簇融合向量数据;
在完成所述若干个增强素材簇的游走后,将所述短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为所述图像增强素材描述向量。
优选的,所述图像描述挖掘模型包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,所述第一挖掘模块将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量包括:
将所述待加工气象订阅服务短视频加载到所述图像块拆解组件进行图像块拆解,得到所述若干个气象服务页面图像块;
将所述若干个气象服务页面图像块加载到所述图像描述挖掘组件进行图像描述挖掘,得到所述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征;
将所述基础图像描述子、所述分布特征数据与所述图像关联特征加载到所述图像描述聚合组件对所述若干个气象服务页面图像块进行关联处理,得到所述短视频图像描述向量和所述气象服务页面描述向量。
优选的,所述向量聚合模块对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量包括:
将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量;
将所述基础聚合描述向量、所述短视频图像描述向量和所述图像增强素材描述向量加载到强化子模型进行特征强化处理,得到所述目标聚合描述向量;
其中,所述聚合子模型包括联动解析组件、区间数值映射组件和权重处理组件,所述将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量包括:将所述气象服务页面描述向量与所述图像增强素材描述向量加载到所述联动解析组件进行联动解析,得到目标联动解析结果;将所述目标联动解析结果加载到所述区间数值映射组件进行区间数值映射处理,得到所述气象服务页面描述向量的联动加权系数;将所述联动加权系数和所述气象服务页面描述向量加载到所述权重处理组件进行基于权重的聚合操作,得到所述基础聚合描述向量;
其中,所述人工智能平台***还包括模型调试模块,用于:获取过往气象订阅服务短视频和所述过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像;将所述过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到所述过往气象订阅服务短视频的过往短视频图像描述向量和所述过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量;基于初始素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的过往图像增强素材描述向量;将所述过往图像增强素材描述向量和所述过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量;将所述过往基础聚合描述向量、所述过往短视频图像描述向量和所述过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例;将所述目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到所述过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像;根据所述先验增强气象订阅服务短视频图像和所述预测增强气象订阅服务短视频图像,确定目标模型质量评估数据;根据所述目标模型质量评估数据,调试所述初始图像描述挖掘模型、所述初始素材描述挖掘模型、所述初始聚合子模型、所述初始强化子模型和所述初始短视频图像增强模型,得到所述图像描述挖掘模型、所述素材描述挖掘模型、所述聚合子模型、所述强化子模型和所述短视频图像增强模型。
优选的,所述增强气象订阅服务短视频图像为所述短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在所述将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,所述人工智能平台***还包括图像匹配模块,用于:
获取增强素材匹配指示,所述增强素材匹配指示反映所述图像数据与所述图像数据对应的多层图像数据的投影特征;
根据所述增强素材匹配指示,确定与所述增强气象订阅服务短视频图像对应的目标多层图像数据。
第三方面,提供一种人工智能平台***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现第一方面所述的方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现第一方面所述的方法。
本发明实施例通过获取待加工气象订阅服务短视频和短视频图像增强素材库;再将待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到待加工气象订阅服务短视频的短视频图像描述向量和待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;并通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的图像增强素材描述向量,图像增强素材描述向量表征短视频图像增强素材库的素材属性关系网;然后对图像增强素材描述向量、气象服务页面描述向量和短视频图像描述向量进行聚合操作,得到目标聚合描述向量;最后将目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
本发明实施例在对待加工气象订阅服务短视频进行短视频图像增强的任务下,将包含短视频图像增强素材库的素材属性关系网的图像增强素材描述向量、待加工气象订阅服务短视频的短视频图像描述向量以及待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量进行聚合得到目标聚合描述向量,并对该目标聚合描述向量进行短视频图像增强,可以利用目标聚合描述向量中气象订阅服务短视频图像和增强素材之间的特征联系以及增强素材之间的图层牵涉情况,提高对气象订阅服务短视频图像的特征强化处理质量和针对性,以实现个性化的气象订阅服务短视频的图像强化处理。这样一来,能够实现气象服务短视频的内容优化处理,提高气象订阅服务短视频的可视化理解程度和推送存留度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种基于人工智能的气象服务短视频加工方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
图1示出一种基于人工智能的气象服务短视频加工方法,应用于人工智能平台***,所述方法包括以下步骤101-步骤105。
步骤101,获取待加工气象订阅服务短视频和短视频图像增强素材库。
在本发明实施例中,待加工气象订阅服务短视频可以包括若干个气象服务项目的待加工气象订阅服务短视频,示例性的,待加工气象订阅服务短视频可以包括但不限于气象预测图像、地区气象灾害预警图像等。
在本发明实施例中,短视频图像增强素材库可以包括若干个气象服务项目的短视频图像增强素材库,其中,每个气象服务项目的短视频图像增强素材库可以同于提供对待加工气象订阅服务短视频进行图像增强处理的素材信息,短视频图像增强素材库可以通过层级或者树状形式对素材信息进行记录,比如提供的素材信息可以对待加工气象订阅服务短视频进行VR/AR/MR层面的增强处理,从而实现待加工气象订阅服务短视频的三维化展示。
在一些示例下,可以预先对待加工气象订阅服务短视频对应的气象服务项目信息进行注释从而获取与该气象服务项目信息匹配的短视频图像增强素材库。
步骤102,将待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到待加工气象订阅服务短视频的短视频图像描述向量和待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量。
在本发明实施例中,短视频图像描述向量可以表征气象订阅服务短视频图像的图像内容特征,气象服务页面描述向量可以表征对应气象服务页面图像块在气象订阅服务短视频图像中的图像细节特征。示例性的,将待加工气象订阅服务短视频加载到图像描述挖掘模型后,图像描述挖掘模型能够结合待加工气象订阅服务短视频的多个存在关联的图像块进行图像描述挖掘,得到短视频图像描述向量和气象服务页面描述向量。
在一些示例下,短视频图像描述向量和气象服务页面描述向量可以通过量化向量进行表征。
在一些示例下,图像描述挖掘模型可以为对初始图像描述挖掘模型进行图像描述挖掘调试后得到的,其中,初始图像描述挖掘模型可以包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,示例性的,上述将待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到待加工气象订阅服务短视频的短视频图像描述向量和待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量,可以包括步骤201-步骤203。
步骤201,将待加工气象订阅服务短视频加载到图像块拆解组件进行图像块拆解,得到若干个气象服务页面图像块。
在一些示例下,可以将待加工气象订阅服务短视频中的气象预测图像、地区气象灾害预警图像等进行特征强化处理(拼接处理)后得到待拆解气象订阅服务短视频图像,并将该待拆解气象订阅服务短视频图像加载到图像块拆解组件进行图像块拆解,得到气象服务页面图像块队列,气象服务页面图像块队列可以包括若干个气象服务页面图像块。
步骤202,将若干个气象服务页面图像块加载到图像描述挖掘组件进行图像描述挖掘,得到若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征。
示例性的,基础图像描述子可以表征对应气象服务页面图像块本身的图像细节特征,图像关联特征可以表征对应气象服务页面图像块所在图像区域在待加工气象订阅服务短视频中关联标签向量,分布特征数据可以表征对应气象服务页面图像块在所在图像区域中的定位向量。
在一些示例下,图像描述挖掘组件可以包括第一特征映射单元、第二特征映射单元和第三特征映射单元,将若干个气象服务页面图像块加载到第一特征映射单元进行图像素材描述挖掘,得到基础图像描述子,将若干个气象服务页面图像块加载到第二特征映射单元进行素材标签描述挖掘,得到图像关联特征,将若干个气象服务页面图像块加载到第三特征映射单元进行素材分布描述挖掘,得到分布特征数据。
步骤203,将基础图像描述子、分布特征数据与图像关联特征加载到图像描述聚合组件对若干个气象服务页面图像块进行关联处理,得到短视频图像描述向量和气象服务页面描述向量。
在一些示例下,图像描述聚合组件可以包括特征可逆算子(双向编码算子),将基础图像描述子、分布特征数据与图像关联特征加载到到特征可逆算子中,通过特征可逆算子对每一气象服务页面图像块的关联图像块的图像细节特征进行聚合,得到每一气象服务页面图像块的气象服务页面描述向量。
在一些示例下,鉴于以上若干个气象服务页面图像块还可以包括区分标识,上述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征可以包括:区分标识对应的基础图像描述子、分布特征数据和图像关联特征;相应的,上述将基础图像描述子、分布特征数据与图像关联特征加载到图像描述聚合组件对若干个气象服务页面图像块进行关联处理,得到短视频图像描述向量和气象服务页面描述向量可以包括:将区分标识对应的基础图像描述子、分布特征数据与图像关联特征加载到图像描述聚合组件对若干个气象服务页面图像块进行关联处理,得到区分标识的气象服务页面描述向量,在实际实施时,区分标识的气象服务页面描述向量可以表征图像内容特征,因而可以将区分标识的气象服务页面描述向量作为短视频图像描述向量。
在其他设计思路下,还可以对每一气象服务页面图像块的气象服务页面描述向量进行图像细节特征拼接处理,得到短视频图像描述向量。可选的,对每一气象服务页面图像块的气象服务页面描述向量进行图像细节特征拼接处理,得到短视频图像描述向量可以包括对每一气象服务页面图像块的气象服务页面描述向量进行均值化,得到短视频图像描述向量。
因此,通过包含有图像块拆解组件、图像描述挖掘组件和图像描述聚合组件的图像描述挖掘模型对待加工气象订阅服务短视频进行关联图像块的特征分析,实现待加工气象订阅服务短视频的图像内容特征的聚合,可以保障待加工气象订阅服务短视频的图像细节特征的丰富性和准确性。
步骤103,通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的图像增强素材描述向量,图像增强素材描述向量表征短视频图像增强素材库的素材属性关系网。
在本发明实施例中,图像增强素材描述向量可以表征短视频图像增强素材库的素材属性关系网(不同素材的属性之间的关系),短视频图像增强素材库的素材属性关系网可以包括短视频图像增强素材库的素材关系特征和图像细节特征,短视频图像增强素材库的素材关系特征可以为:短视频图像增强素材库中增强素材的上下游从属情况和各层增强素材之间的牵涉情况,短视频图像增强素材库的图像细节特征可以为从选定增强素材簇至顶层增强素材簇的融合特征。
在一些示例下,素材描述挖掘模型可以为对初始素材描述挖掘模型进行素材描述挖掘调试后得到的,其中,初始素材描述挖掘模型可以包括与预设短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,示例性的,上述通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的图像增强素材描述向量,可以包括步骤301-步骤305。
步骤301,对若干个增强素材簇中每个增强素材簇的增强素材信息进行图像描述挖掘,得到每个增强素材簇对应的增强素材簇描述向量。
示例性的,增强素材簇描述向量可以表征对应增强素材簇的增强素材信息本身的图像细节特征。
在一些示例下,素材描述挖掘模型还可以包括增强素材图像描述挖掘组件,将每个增强素材簇的增强素材信息加载到增强素材图像描述挖掘组件进行图像描述挖掘,得到每个增强素材簇对应的增强素材簇描述向量。
步骤302,将短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到选定增强素材簇对应的描述向量整理组件,得到选定增强素材簇对应的增强素材簇融合向量数据。
步骤303,从选定增强素材簇的上游增强素材簇开始,游走若干个增强素材簇。
步骤304,将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和当前游走到的增强素材簇对应的增强素材簇描述向量加载到当前游走到的增强素材簇对应的描述向量整理组件,得到当前游走到的增强素材簇对应的增强素材簇融合向量数据。
示例性的,增强素材簇融合向量数据可以表征从选定增强素材簇至对应增强素材簇的上下游从属情况和融合特征。
步骤305,游走若干个增强素材簇结束后,将短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为图像增强素材描述向量。
在一些示例下,增强素材簇描述向量的输出模式可以为增强素材簇特征变量,增强素材簇融合向量数据的输出模式可以为增强素材簇聚合特征变量,相应的,图像增强素材描述向量的输出模式可以为增强素材特征变量,上述通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的图像增强素材描述向量可以包括通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的增强素材特征变量。
进一步地,上述通过素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的增强素材特征变量可以包括:对若干个增强素材簇中每个增强素材簇的增强素材信息进行图像描述挖掘,得到每个增强素材簇对应的增强素材簇特征变量;将短视频图像增强素材库的选定增强素材簇对应的增强素材簇特征变量加载到素材描述挖掘模型中与选定增强素材簇对应的描述向量整理组件,得到选定增强素材簇对应的增强素材簇聚合特征变量;从选定增强素材簇的上游增强素材簇开始,按序(比如从上到下)游走(比如遍历)若干个增强素材簇;将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇聚合特征变量和当前游走到的增强素材簇对应的增强素材簇特征变量加载到素材描述挖掘模型中与当前游走到的增强素材簇对应的描述向量整理组件,得到当前游走到的增强素材簇对应的增强素材簇聚合特征变量;游走若干个增强素材簇结束后,将短视频图像增强素材库中顶层增强素材簇对应的增强素材簇聚合特征变量作为增强素材特征变量。
本发明实施例所述素材描述挖掘模型不限于以上的初始素材描述挖掘模型,还可以为深度残差模型,全卷积模型等。
可见,通过包含与短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件的素材描述挖掘网络对短视频图像增强素材库进行素材描述挖掘,从而融合短视频图像增强素材库从选定增强素材簇至顶层增强素材簇的上下游从属情况和图像细节特征,可以提高短视频图像增强素材库特征的丰富性和准确性。
步骤104,对图像增强素材描述向量、气象服务页面描述向量和短视频图像描述向量进行聚合操作,得到目标聚合描述向量。
在本发明实施例中,目标聚合描述向量可以为将待加工气象订阅服务短视频的图像细节特征与短视频图像增强素材库的素材关系特征和图像细节特征聚合后得到的气象订阅服务短视频图像表征,能够准确完整记载待加工气象订阅服务短视频与短视频图像增强素材库特征间的牵涉情况。
在一些示例下,上述对图像增强素材描述向量、气象服务页面描述向量和短视频图像描述向量进行聚合操作,得到目标聚合描述向量可以包括步骤401和步骤402。
步骤401,将图像增强素材描述向量和气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量。
示例性的,基础聚合描述向量可以为嵌入式短视频图像增强素材库的素材属性关系网的气象订阅服务短视频图像表示。
在一些示例下,聚合子模型可以为对初始聚合子模型进行聚合操作调试后得到的,初始聚合子模型可以包括联动解析组件、区间数值映射组件和权重处理组件,示例性的,上述将图像增强素材描述向量和气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量可以包括步骤501-步骤503。
步骤501,将气象服务页面描述向量与图像增强素材描述向量加载到联动解析组件进行联动解析(关联分析),得到目标联动解析结果。
示例性的,目标联动解析结果可以表征气象服务页面描述向量与图像增强素材描述向量间的相关性系数。
在一些示例下,联动解析组件可以包括相关性系数确定算法,将气象服务页面描述向量与图像增强素材描述向量加载到相关性系数确定算法进行相关性系数确定,得到目标联动解析结果。
步骤502,将目标联动解析结果加载到区间数值映射组件进行区间数值映射处理,得到气象服务页面描述向量的联动加权系数。
在一些示例下,区间数值映射组件可以包括区间数值映射算法,将目标联动解析结果加载到区间数值映射算法进行区间数值映射计算,得到联动加权系数。进一步地,区间数值映射算法可以为softmax算法。
步骤503,将联动加权系数和气象服务页面描述向量加载到权重处理组件进行基于权重的聚合操作,得到基础聚合描述向量。
通过上述实施例,包含有联动解析组件、区间数值映射组件和权重处理组件的聚合子模型通过挖掘待加工气象订阅服务短视频与短视频图像增强素材库特征间的牵涉情况,从而将短视频图像增强素材库的素材属性关系网准确添加到气象订阅服务短视频图像表征中,提升对气象订阅服务短视频图像特征的丰富性和准确性。
步骤402,将基础聚合描述向量、短视频图像描述向量和图像增强素材描述向量加载到强化子模型进行特征强化处理,得到目标聚合描述向量。
在一些示例下,强化子模型(拼接子模型)可以为对初始强化子模型进行特征强化处理调试后得到的。
可见,将基础聚合描述向量、短视频图像描述向量和图像增强素材描述向量进行特征强化处理,进一步拼接待加工气象订阅服务短视频与短视频图像增强素材库的特征得到目标聚合描述向量,便于之后通过目标聚合描述向量中气象订阅服务短视频图像和增强素材之间的特征联系以及增强素材间的层阶牵涉情况进行短视频图像增强以提高短视频图像增强的精度和针对性。
步骤105,将目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
在本发明实施例中,增强气象订阅服务短视频图像可以为与待加工气象订阅服务短视频对应的融入了目标增强素材的气象订阅服务短视频图像,示例性的,目标增强素材可以为短视频图像增强素材库的若干个增强素材中与待加工气象订阅服务短视频对应的至少一个增强素材。
在一些示例下,增强气象订阅服务短视频图像可以为气象订阅服务VR/AR/MR短视频图像。
在一些示例下,短视频图像增强模型可以为对初始短视频图像增强模型进行短视频图像增强调试后得到的,示例性的,初始短视频图像增强模型可以包括FullyConnectedLayer和Outputlayer。
在一些示例下,增强气象订阅服务短视频图像可以为短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在上述将目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,上述方法还可以包括:获取增强素材匹配指示,增强素材匹配指示表征图像数据与图像数据对应的多层图像数据的投影特征;基于增强素材匹配指示,确定与增强气象订阅服务短视频图像对应的目标多层图像数据。
在一些示例下,图像数据可以包括底层增强素材标识,图像数据对应的多层图像数据可以包括底层增强素材标识对应的多层增强素材标识,相应的,增强素材匹配指示可以表征底层增强素材标识与底层增强素材标识对应的多层增强素材标识的投影特征。示例性的,底层增强素材标识可以为短视频图像增强素材库中任一选定增强素材簇特征对应的增强素材标识,多层增强素材标识可以为由对应选定增强素材簇特征至顶层增强素材簇增强素材的增强素材索引对应的多层增强素材标识。
在一些示例下,在增强气象订阅服务短视频图像包括若干个底层增强素材标识的情况下,上述基于增强素材匹配指示,确定与增强气象订阅服务短视频图像对应的目标多层图像数据可以包括:基于增强素材匹配指示,确定与若干个底层增强素材标识对应的若干个目标多层增强素材标识;在上述基于增强素材匹配指示,确定与若干个底层增强素材标识对应的若干个目标多层增强素材标识之后,还可以基于若干个目标多层增强素材标识,生成气象订阅服务VR/AR/MR短视频图像树。
可见,利用短视频图像增强模型注释相应的底层增强素材(细粒度最高)的增强素材,然后根据图像数据与图像数据对应的多层图像数据的投影特征确定与增强气象订阅服务短视频图像对应的目标多层图像数据,提高了短视频图像增强的质量。
在本发明实施例中,可以通过对初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型进行协同调试,得到上述图像描述挖掘模型、上述素材描述挖掘模型、上述聚合子模型、上述强化子模型和上述短视频图像增强模型。
在一些示例下,针对上述图像描述挖掘模型、素材描述挖掘模型、聚合子模型、强化子模型和短视频图像增强模型的调试处理可以通过步骤601-步骤608实现。
步骤601,获取过往气象订阅服务短视频(气象订阅服务短视频样例)和过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像(增强气象订阅服务短视频图像样例)。
在进行调试之前,可以先确定调试样例,示例性的,本发明实施例中,可以获取包含有先验增强气象订阅服务短视频图像的过往气象订阅服务短视频作为调试样例。
示例性的,先验增强气象订阅服务短视频图像可以为对过往气象订阅服务短视频事先设置的预设增强素材标识。
步骤602,将过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到过往气象订阅服务短视频的过往短视频图像描述向量(短视频图像描述向量样例)和过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量(气象服务页面描述向量样例)。
步骤603,基于初始素材描述挖掘模型,对短视频图像增强素材库进行素材描述挖掘,得到短视频图像增强素材库的过往图像增强素材描述向量(图像增强素材描述向量样例)。
步骤604,将过往图像增强素材描述向量和过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量(基础聚合描述向量样例)。
步骤605,将过往基础聚合描述向量、过往短视频图像描述向量和过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例(目标聚合描述向量样例)。
步骤606,将目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像。
步骤607,基于先验增强气象订阅服务短视频图像和预测增强气象订阅服务短视频图像,确定目标模型质量评估数据。
步骤608,基于目标模型质量评估数据,调试初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型,得到图像描述挖掘模型、素材描述挖掘模型、聚合子模型、强化子模型和短视频图像增强模型。
在一些示例下,上述预测增强气象订阅服务短视频图像可以包括过往气象订阅服务短视频的增强素材标识样例;上述目标模型质量评估数据可以包括增强素材标识代价(增强素材标识损失);
进一步地,上述基于先验增强气象订阅服务短视频图像和预测增强气象订阅服务短视频图像,确定目标模型质量评估数据可以包括:根据预设增强素材标识和增强素材标识样例,确定增强素材标识代价。
在一些示例下,上述根据预设增强素材标识和增强素材标识样例,确定增强素材标识代价可以包括基于预设代价函数,确定预设增强素材标识和增强素材标识样例间的增强素材标识代价。
在一些示例下,增强素材标识代价可以表征预设增强素材标识和增强素材标识样例间的区别。
在一些示例下,预设代价函数可以包括但不限于交叉熵代价函数等。
在一些示例下,基于目标模型质量评估数据,调试初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型,得到图像描述挖掘模型、素材描述挖掘模型、聚合子模型、强化子模型和短视频图像增强模型可以包括:基于目标模型质量评估数据,更新初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型的模型变量;基于完成更新的初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型,跳转至步骤602至基于目标模型质量评估数据,更新初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型的模型变量的短视频图像增强调试循环处理,至基于目标模型质量评估数据,更新初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型的模型变量的短视频图像增强调试循环处理,至达到短视频图像增强调试要求;将达到短视频图像增强调试要求的情况下得到的初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型,作为图像描述挖掘模型、素材描述挖掘模型、聚合子模型、强化子模型和短视频图像增强模型。
在一些示例下,上述基于目标模型质量评估数据,更新初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型的模型变量可以包括学习率,其初始值可以根据实际情况调整。
在一些示例下,上述达到短视频图像增强调试要求可以为调试循环处理的次数达到预设调试次数。可选的,达到短视频图像增强调试要求也可以为目标模型质量评估数据(目标损失函数值)小于设定损失值。
可见,通过对初始图像描述挖掘模型、初始素材描述挖掘模型、初始聚合子模型、初始强化子模型和初始短视频图像增强模型进行协同调试,不仅可以提高调试时效性,还可以保障模型应用阶段的短视频图像增强质量。
在一些示例下,可以生成包含上述图像描述挖掘模型、上述素材描述挖掘模型、上述聚合子模型、上述初始强化子模型和上述短视频图像增强模型的AI网络,将待加工气象订阅服务短视频和短视频图像增强素材库加载到AI网络进行短视频图像增强,得到待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
本发明实施例在对待加工气象订阅服务短视频进行短视频图像增强的任务下,可以通过包含有图像块拆解组件、图像描述挖掘组件和图像描述聚合组件的图像描述挖掘模型对待加工气象订阅服务短视频进行关联图像块的特征分析,实现待加工气象订阅服务短视频的图像内容特征的聚合,进而能够提升对图像细节特征的丰富性和准确性。此外,还可以通过包括有与短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件的素材描述挖掘网络对短视频图像增强素材库进行素材描述挖掘,从而拼接短视频图像增强素材库从选定增强素材簇至顶层增强素材簇的上下游从属情况和图像细节特征,提升对短视频图像增强素材库特征的丰富性和准确性。再次,通过聚合子模型和强化子模型对短视频图像增强素材库与待加工气象订阅服务短视频的特征进行两轮拼接,从而进一步提升了目标聚合描述向量对图像内容的丰富性和准确性,而利用目标聚合描述向量中气象订阅服务短视频图像和增强素材之间的特征联系以及增强素材间的层阶牵涉情况进行图像增强,能够保障短视频图像增强的质量。
综上,本发明实施例通过聚合得到的目标聚合描述向量进行短视频图像增强,可以利用目标聚合描述向量中气象订阅服务短视频图像和增强素材之间的特征联系以及增强素材之间的图层牵涉情况,提高对气象订阅服务短视频图像的特征强化处理质量和针对性,以实现个性化的气象订阅服务短视频的图像强化处理。这样一来,能够实现气象服务短视频的内容优化处理,提高气象订阅服务短视频的可视化理解程度和推送存留度,有效改善了生硬、机械式的传统推送方式。
在上述基础上,提供了一种人工智能平台***,所述人工智能平台***包括:
数据获取模块,用于获取待加工气象订阅服务短视频和短视频图像增强素材库;
第一挖掘模块,用于将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;
第二挖掘模块,用于通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量,所述图像增强素材描述向量反映所述短视频图像增强素材库的素材属性关系网;
向量聚合模块,用于对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量;
视频加工模块,用于将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
优选的,所述素材描述挖掘模型包括与所述短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,所述第二挖掘模块通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量包括:
对所述若干个增强素材簇中每个增强素材簇的增强素材信息进行图像描述挖掘,得到所述每个增强素材簇对应的增强素材簇描述向量;
将所述短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到所述选定增强素材簇对应的描述向量整理组件,得到所述选定增强素材簇对应的增强素材簇融合向量数据;
依据所述选定增强素材簇的上游增强素材簇,游走所述若干个增强素材簇;
将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和所述当前游走到的增强素材簇对应的增强素材簇描述向量加载到所述当前游走到的增强素材簇对应的描述向量整理组件,得到所述当前游走到的增强素材簇对应的增强素材簇融合向量数据;
在完成所述若干个增强素材簇的游走后,将所述短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为所述图像增强素材描述向量。
优选的,所述图像描述挖掘模型包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,所述第一挖掘模块将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量包括:
将所述待加工气象订阅服务短视频加载到所述图像块拆解组件进行图像块拆解,得到所述若干个气象服务页面图像块;
将所述若干个气象服务页面图像块加载到所述图像描述挖掘组件进行图像描述挖掘,得到所述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征;
将所述基础图像描述子、所述分布特征数据与所述图像关联特征加载到所述图像描述聚合组件对所述若干个气象服务页面图像块进行关联处理,得到所述短视频图像描述向量和所述气象服务页面描述向量。
优选的,所述向量聚合模块对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量包括:
将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量;
将所述基础聚合描述向量、所述短视频图像描述向量和所述图像增强素材描述向量加载到强化子模型进行特征强化处理,得到所述目标聚合描述向量;
其中,所述聚合子模型包括联动解析组件、区间数值映射组件和权重处理组件,所述将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量包括:将所述气象服务页面描述向量与所述图像增强素材描述向量加载到所述联动解析组件进行联动解析,得到目标联动解析结果;将所述目标联动解析结果加载到所述区间数值映射组件进行区间数值映射处理,得到所述气象服务页面描述向量的联动加权系数;将所述联动加权系数和所述气象服务页面描述向量加载到所述权重处理组件进行基于权重的聚合操作,得到所述基础聚合描述向量;
其中,所述人工智能平台***还包括模型调试模块,用于:获取过往气象订阅服务短视频和所述过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像;将所述过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到所述过往气象订阅服务短视频的过往短视频图像描述向量和所述过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量;基于初始素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的过往图像增强素材描述向量;将所述过往图像增强素材描述向量和所述过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量;将所述过往基础聚合描述向量、所述过往短视频图像描述向量和所述过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例;将所述目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到所述过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像;根据所述先验增强气象订阅服务短视频图像和所述预测增强气象订阅服务短视频图像,确定目标模型质量评估数据;根据所述目标模型质量评估数据,调试所述初始图像描述挖掘模型、所述初始素材描述挖掘模型、所述初始聚合子模型、所述初始强化子模型和所述初始短视频图像增强模型,得到所述图像描述挖掘模型、所述素材描述挖掘模型、所述聚合子模型、所述强化子模型和所述短视频图像增强模型。
优选的,所述增强气象订阅服务短视频图像为所述短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在所述将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,所述人工智能平台***还包括图像匹配模块,用于:
获取增强素材匹配指示,所述增强素材匹配指示反映所述图像数据与所述图像数据对应的多层图像数据的投影特征;
根据所述增强素材匹配指示,确定与所述增强气象订阅服务短视频图像对应的目标多层图像数据。
在上述基础上,提供了一种人工智能平台***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现上述的方法。
在上述基础上,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述的方法。
以上仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于人工智能的气象服务短视频加工方法,其特征在于,应用于人工智能平台***,所述方法包括:
获取待加工气象订阅服务短视频和短视频图像增强素材库;
将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;
通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量,所述图像增强素材描述向量反映所述短视频图像增强素材库的素材属性关系网;
对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量;
将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
2.根据权利要求1所述的方法,其特征在于,所述素材描述挖掘模型包括与所述短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,所述通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量包括:
对所述若干个增强素材簇中每个增强素材簇的增强素材信息进行素材描述挖掘,得到所述每个增强素材簇对应的增强素材簇描述向量;
将所述短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到所述选定增强素材簇对应的描述向量整理组件,得到所述选定增强素材簇对应的增强素材簇融合向量数据;
依据所述选定增强素材簇的上游增强素材簇,游走所述若干个增强素材簇;
将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和所述当前游走到的增强素材簇对应的增强素材簇描述向量加载到所述当前游走到的增强素材簇对应的描述向量整理组件,得到所述当前游走到的增强素材簇对应的增强素材簇融合向量数据;
在完成所述若干个增强素材簇的游走后,将所述短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为所述图像增强素材描述向量。
3.根据权利要求1所述的方法,其特征在于,所述图像描述挖掘模型包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,所述将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量包括:
将所述待加工气象订阅服务短视频加载到所述图像块拆解组件进行图像块拆解,得到所述若干个气象服务页面图像块;
将所述若干个气象服务页面图像块加载到所述图像描述挖掘组件进行图像描述挖掘,得到所述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征;
将所述基础图像描述子、所述分布特征数据与所述图像关联特征加载到所述图像描述聚合组件对所述若干个气象服务页面图像块进行关联处理,得到所述短视频图像描述向量和所述气象服务页面描述向量。
4.根据权利要求1所述的方法,其特征在于,所述对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量包括:
将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量;
将所述基础聚合描述向量、所述短视频图像描述向量和所述图像增强素材描述向量加载到强化子模型进行特征强化处理,得到所述目标聚合描述向量;
其中,所述聚合子模型包括联动解析组件、区间数值映射组件和权重处理组件,所述将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量包括:将所述气象服务页面描述向量与所述图像增强素材描述向量加载到所述联动解析组件进行联动解析,得到目标联动解析结果;将所述目标联动解析结果加载到所述区间数值映射组件进行区间数值映射处理,得到所述气象服务页面描述向量的联动加权系数;将所述联动加权系数和所述气象服务页面描述向量加载到所述权重处理组件进行基于权重的聚合操作,得到所述基础聚合描述向量;
其中,所述方法还包括:获取过往气象订阅服务短视频和所述过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像;将所述过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到所述过往气象订阅服务短视频的过往短视频图像描述向量和所述过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量;基于初始素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的过往图像增强素材描述向量;将所述过往图像增强素材描述向量和所述过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量;将所述过往基础聚合描述向量、所述过往短视频图像描述向量和所述过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例;将所述目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到所述过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像;根据所述先验增强气象订阅服务短视频图像和所述预测增强气象订阅服务短视频图像,确定目标模型质量评估数据;根据所述目标模型质量评估数据,调试所述初始图像描述挖掘模型、所述初始素材描述挖掘模型、所述初始聚合子模型、所述初始强化子模型和所述初始短视频图像增强模型,得到所述图像描述挖掘模型、所述素材描述挖掘模型、所述聚合子模型、所述强化子模型和所述短视频图像增强模型。
5.根据权利要求1所述的方法,其特征在于,所述增强气象订阅服务短视频图像为所述短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在所述将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,所述方法还包括:
获取增强素材匹配指示,所述增强素材匹配指示反映所述图像数据与所述图像数据对应的多层图像数据的投影特征;
根据所述增强素材匹配指示,确定与所述增强气象订阅服务短视频图像对应的目标多层图像数据。
6.一种人工智能平台***,其特征在于,所述人工智能平台***包括:
数据获取模块,用于获取待加工气象订阅服务短视频和短视频图像增强素材库;
第一挖掘模块,用于将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量;
第二挖掘模块,用于通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量,所述图像增强素材描述向量反映所述短视频图像增强素材库的素材属性关系网;
向量聚合模块,用于对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量;
视频加工模块,用于将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像。
7.根据权利要求6所述的人工智能平台***,其特征在于,所述素材描述挖掘模型包括与所述短视频图像增强素材库中的若干个增强素材簇逐一对应的若干个描述向量整理组件,所述第二挖掘模块通过素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的图像增强素材描述向量包括:
对所述若干个增强素材簇中每个增强素材簇的增强素材信息进行素材描述挖掘,得到所述每个增强素材簇对应的增强素材簇描述向量;
将所述短视频图像增强素材库的选定增强素材簇对应的增强素材簇描述向量加载到所述选定增强素材簇对应的描述向量整理组件,得到所述选定增强素材簇对应的增强素材簇融合向量数据;
依据所述选定增强素材簇的上游增强素材簇,游走所述若干个增强素材簇;
将当前游走到的增强素材簇的下游增强素材簇对应的增强素材簇融合向量数据和所述当前游走到的增强素材簇对应的增强素材簇描述向量加载到所述当前游走到的增强素材簇对应的描述向量整理组件,得到所述当前游走到的增强素材簇对应的增强素材簇融合向量数据;
在完成所述若干个增强素材簇的游走后,将所述短视频图像增强素材库中顶层增强素材簇对应的增强素材簇融合向量数据作为所述图像增强素材描述向量。
8.根据权利要求6所述的人工智能平台***,其特征在于,所述图像描述挖掘模型包括图像块拆解组件、图像描述挖掘组件和图像描述聚合组件,所述第一挖掘模块将所述待加工气象订阅服务短视频加载到图像描述挖掘模型进行图像描述挖掘,得到所述待加工气象订阅服务短视频的短视频图像描述向量和所述待加工气象订阅服务短视频的若干个气象服务页面图像块的气象服务页面描述向量包括:
将所述待加工气象订阅服务短视频加载到所述图像块拆解组件进行图像块拆解,得到所述若干个气象服务页面图像块;
将所述若干个气象服务页面图像块加载到所述图像描述挖掘组件进行图像描述挖掘,得到所述若干个气象服务页面图像块对应的基础图像描述子、分布特征数据和图像关联特征;
将所述基础图像描述子、所述分布特征数据与所述图像关联特征加载到所述图像描述聚合组件对所述若干个气象服务页面图像块进行关联处理,得到所述短视频图像描述向量和所述气象服务页面描述向量。
9.根据权利要求6所述的人工智能平台***,其特征在于,所述向量聚合模块对所述图像增强素材描述向量、所述气象服务页面描述向量和所述短视频图像描述向量进行聚合操作,得到目标聚合描述向量包括:
将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量;
将所述基础聚合描述向量、所述短视频图像描述向量和所述图像增强素材描述向量加载到强化子模型进行特征强化处理,得到所述目标聚合描述向量;
其中,所述聚合子模型包括联动解析组件、区间数值映射组件和权重处理组件,所述将所述图像增强素材描述向量和所述气象服务页面描述向量加载到聚合子模型进行聚合操作,得到基础聚合描述向量包括:将所述气象服务页面描述向量与所述图像增强素材描述向量加载到所述联动解析组件进行联动解析,得到目标联动解析结果;将所述目标联动解析结果加载到所述区间数值映射组件进行区间数值映射处理,得到所述气象服务页面描述向量的联动加权系数;将所述联动加权系数和所述气象服务页面描述向量加载到所述权重处理组件进行基于权重的聚合操作,得到所述基础聚合描述向量;
其中,所述人工智能平台***还包括模型调试模块,用于:获取过往气象订阅服务短视频和所述过往气象订阅服务短视频对应的先验增强气象订阅服务短视频图像;将所述过往气象订阅服务短视频加载到初始图像描述挖掘模型进行图像描述挖掘,得到所述过往气象订阅服务短视频的过往短视频图像描述向量和所述过往气象订阅服务短视频的若干个过往气象服务页面图像块的过往气象服务页面描述向量;基于初始素材描述挖掘模型,对所述短视频图像增强素材库进行素材描述挖掘,得到所述短视频图像增强素材库的过往图像增强素材描述向量;将所述过往图像增强素材描述向量和所述过往气象服务页面描述向量加载到初始聚合子模型进行聚合操作,得到过往基础聚合描述向量;将所述过往基础聚合描述向量、所述过往短视频图像描述向量和所述过往图像增强素材描述向量加载到初始强化子模型进行特征强化处理,得到目标聚合描述向量示例;将所述目标聚合描述向量示例加载到初始短视频图像增强模型进行短视频图像增强,得到所述过往气象订阅服务短视频对应的预测增强气象订阅服务短视频图像;根据所述先验增强气象订阅服务短视频图像和所述预测增强气象订阅服务短视频图像,确定目标模型质量评估数据;根据所述目标模型质量评估数据,调试所述初始图像描述挖掘模型、所述初始素材描述挖掘模型、所述初始聚合子模型、所述初始强化子模型和所述初始短视频图像增强模型,得到所述图像描述挖掘模型、所述素材描述挖掘模型、所述聚合子模型、所述强化子模型和所述短视频图像增强模型。
10.根据权利要求6所述的人工智能平台***,其特征在于,所述增强气象订阅服务短视频图像为所述短视频图像增强素材库中任一选定增强素材簇特征对应的图像数据,在所述将所述目标聚合描述向量加载到短视频图像增强模型进行短视频图像增强,得到所述待加工气象订阅服务短视频对应的增强气象订阅服务短视频图像之后,所述人工智能平台***还包括图像匹配模块,用于:
获取增强素材匹配指示,所述增强素材匹配指示反映所述图像数据与所述图像数据对应的多层图像数据的投影特征;
根据所述增强素材匹配指示,确定与所述增强气象订阅服务短视频图像对应的目标多层图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911134.8A CN117082309B (zh) | 2023-07-24 | 2023-07-24 | 基于人工智能的气象服务短视频加工方法及平台*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911134.8A CN117082309B (zh) | 2023-07-24 | 2023-07-24 | 基于人工智能的气象服务短视频加工方法及平台*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117082309A CN117082309A (zh) | 2023-11-17 |
CN117082309B true CN117082309B (zh) | 2024-05-03 |
Family
ID=88718452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310911134.8A Active CN117082309B (zh) | 2023-07-24 | 2023-07-24 | 基于人工智能的气象服务短视频加工方法及平台*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117082309B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018187622A1 (en) * | 2017-04-05 | 2018-10-11 | Lyrical Labs Holdings, Llc | Video processing and encoding |
CN111078942A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种推荐视频的方法、装置及存储介质 |
CN111767796A (zh) * | 2020-05-29 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种视频关联方法、装置、服务器和可读存储介质 |
CN112330573A (zh) * | 2020-12-01 | 2021-02-05 | 厦门美图之家科技有限公司 | 基于人像的修图方法、装置、电子设备及存储介质 |
CN113034412A (zh) * | 2021-02-25 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 视频处理方法及装置 |
CN115879547A (zh) * | 2022-12-14 | 2023-03-31 | 山东省计算中心(国家超级计算济南中心) | 基于lstm和注意力机制的开放世界知识图谱补全方法及*** |
CN115914774A (zh) * | 2022-10-31 | 2023-04-04 | 华能伊敏煤电有限责任公司 | 一种使用告警信息的关联短视频生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10999534B2 (en) * | 2019-03-29 | 2021-05-04 | Cisco Technology, Inc. | Optimized video review using motion recap images |
-
2023
- 2023-07-24 CN CN202310911134.8A patent/CN117082309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018187622A1 (en) * | 2017-04-05 | 2018-10-11 | Lyrical Labs Holdings, Llc | Video processing and encoding |
CN111078942A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种推荐视频的方法、装置及存储介质 |
CN111767796A (zh) * | 2020-05-29 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种视频关联方法、装置、服务器和可读存储介质 |
CN112330573A (zh) * | 2020-12-01 | 2021-02-05 | 厦门美图之家科技有限公司 | 基于人像的修图方法、装置、电子设备及存储介质 |
CN113034412A (zh) * | 2021-02-25 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 视频处理方法及装置 |
CN115914774A (zh) * | 2022-10-31 | 2023-04-04 | 华能伊敏煤电有限责任公司 | 一种使用告警信息的关联短视频生成方法 |
CN115879547A (zh) * | 2022-12-14 | 2023-03-31 | 山东省计算中心(国家超级计算济南中心) | 基于lstm和注意力机制的开放世界知识图谱补全方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117082309A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670267B (zh) | 一种数据处理方法和装置 | |
CN102708130B (zh) | 计算用户微细分以用于要约匹配的可扩展引擎 | |
CN109086071A (zh) | 一种管理软件版本信息的方法及服务器 | |
CN105138601B (zh) | 一种支持模糊约束关系的图模式匹配方法 | |
CN108540351B (zh) | 分布式大数据服务的自动化测试方法 | |
CN103026334A (zh) | 数据分类 | |
CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
KR102668394B1 (ko) | 다수의 작업자들 간의 협업 솔루션 제공 시스템, 서버 및 방법 | |
Lin et al. | Data driven water pipe failure prediction: A bayesian nonparametric approach | |
CN117082309B (zh) | 基于人工智能的气象服务短视频加工方法及平台*** | |
US20220207059A1 (en) | Smart data warehouse for cloud-based reservoir simulation | |
CN113407837A (zh) | 基于人工智能的智慧医疗大数据处理方法及智慧医疗*** | |
CN112860736A (zh) | 大数据查询优化方法、设备及可读存储介质 | |
JP2003256757A (ja) | 空間データ分析装置、空間データ分析方法、及び空間データ分析プログラム | |
CN116415957A (zh) | 异常交易对象识别方法、装置、计算机设备和存储介质 | |
CN111311105A (zh) | 组合产品评分方法、装置、设备及可读存储介质 | |
US10311084B2 (en) | Method and system for constructing a classifier | |
CN114662009A (zh) | 一种基于图卷积的工业互联网工厂协同推荐算法 | |
CN110399337A (zh) | 基于数据驱动的文件自动化服务方法和*** | |
CN111414538A (zh) | 基于人工智能的文本推荐方法、装置及电子设备 | |
CN112529207A (zh) | 模型优化方法、装置、存储介质及设备 | |
KR102639134B1 (ko) | 프로젝트를 수행하는 다수의 작업자들을 위한 협업 서비스 제공시스템 | |
Wang et al. | A data quality improvement method based on the greedy algorithm | |
Wang et al. | Next POI Recommendation Method Based on Category Preference and Attention Mechanism in LBSNs | |
CN117112605A (zh) | 应用于可视化数据库的交互行为大数据挖掘方法及*** |
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 |