[发明专利]视频分类方法及装置、计算机设备与可读介质

说明书

【技术领域】

本发明涉及计算机技术领域，尤其涉及一种视频分类方法及装置、计算机设备与可读介质。

【背景技术】

随着互联网的高速增长，其已成为用户获取信息的重要渠道。但与此同时，信息的爆炸也产生了很多用户不想看到或者不感兴趣的内容。尤其近些年，根据用户的兴趣展示内容推荐已经逐渐成为互联网产品的基本功能。

例如，现有的视频领域中视频的推荐方案中，可以依据视频的标题以及用户对视频的回复等等，对视频进行分类。然后再基于视频的分类向用户推荐视频。但是现有技术中，视频标题以及视频回复的编辑最主要的来源都是普通用户。普通用户编辑的视频回复具有很强的随意性，并且视频标题更多的是突出发布者的心情，比如太厉害了，非常搞笑之类的，从而导致基于视频标题以及视频的回复均无法有效地对视频内容进行分类，甚至会被一些低俗视频内容制造者利用。

因此，现有技术中，基于视频标题以及视频的回复对视频内容进行分类的准确性较差。

【发明内容】

本发明提供了一种视频分类方法及装置、计算机设备与可读介质，用于提高视频分类的准确性。

本发明提供一种视频分类方法，所述方法包括：

从目标视频中获取多帧图片；

根据预先训练的图片分类模型对各所述帧的所述图片进行识别，预测各帧的所述图片对应的各预设类别的概率；

根据各帧的所述图片对应的各预设类别的概率，获取所述目标视频的目标类别。

进一步可选地，如上所述的方法中，根据各帧的所述图片对应的各预设类别的概率，获取所述目标视频的目标类别，具体包括：

根据各帧的所述图片对应的各预设类别的概率，从各帧的所述图片对应的预设类别中获取概率最大的预设类别作为所述目标视频的目标类别；

或者根据各帧的所述图片对应的各预设类别的概率，对各帧的所述图片的预设类别的概率进行加权处理，得到所述目标视频对应的各预设类别的概率；从所述目标视频对应的各预设类别中获取概率最大的预设类别作为所述目标视频的目标类别。

进一步可选地，如上所述的方法中，根据预先训练的图片分类模型对各所述帧的所述图片进行识别，预测各帧的所述图片对应的各预设类别的概率之前，还包括：

采集数张已知类别的训练图片，生成图片训练库；

利用所述图片训练库中的所述数张训练图片，训练所述图片分类模型。

进一步可选地，如上所述的方法中，利用所述图片训练库中的所述数张训练图片，训练所述图片分类模型，具体包括：

依次将各张所述训练图片输入至所述图片分类模型中，使得所述图片分类模型输出对应的所述训练图片在各预设类别中的概率；

根据对应的所述训练图片在各预设类别中的概率，确定所述训练图片的预测类别；

检测对应的所述训练图片的已知类别和所述训练图片的预测类别是否一致；

当对应所述训练图片的已知类别和所述训练图片的预测类别不一致时，调整所述图片分类模型的参数，使得所述训练图片的已知类别和所述训练图片的预测类别一致；

重复执行上述步骤，直至所述数张训练图片训练完毕，且所述训练图片的已知类别和所述训练图片的预测类别一致，确定所述图片分类模型的参数，从而确定所述图片分类模型。

进一步可选地，如上所述的方法中，根据各帧的所述图片对应的各预设类别的概率，获取所述目标视频的目标类别之后，还包括：

根据用户的历史行为检测所述用户感兴趣的类别；

检测所述用户感兴趣的类别中是否包括所述目标类别；

若包括，向所述用户推荐所述目标视频。

本发明还提供一种视频分类装置，所述装置包括：

图片获取模块，用于从目标视频中获取多帧图片；

预测模块，用于根据预先训练的图片分类模型对各所述帧的所述图片进行识别，预测各帧的所述图片对应的各预设类别的概率；

类别获取模块，用于根据各帧的所述图片对应的各预设类别的概率，获取所述目标视频的目标类别。

进一步可选地，如上所述的装置中，所述类别获取模块，具体用于：

根据各帧的所述图片对应的各预设类别的概率，从各帧的所述图片对应的预设类别中获取概率最大的预设类别作为所述目标视频的目标类别；

或者根据各帧的所述图片对应的各预设类别的概率，对各帧的所述图片的预设类别的概率进行加权处理，得到所述目标视频对应的各预设类别的概率；从所述目标视频对应的各预设类别中获取概率最大的预设类别作为所述目标视频的目标类别。