[发明专利]一种分类模型训练方法、装置以及分类方法及装置

权利要求书

1.一种分类模型训练方法，其特征在于，该方法包括：

获取带有标签的训练视频中预设数量训练图像帧；

使用目标神经网络对所述训练图像帧进行特征学习，为训练图像帧提取特征向量；

基于记忆网络存储的不同分类分别对应的记忆特征向量，对提取的特征向量表征的所述训练视频进行分类，得到所述训练视频的分类结果；

根据所述训练视频的分类结果以及所述训练视频的标签之间的比对结果，对所述目标神经网络进行训练。

2.根据权利要求1所述的方法，其特征在于，所述基于所述记忆网络存储的不同类别分别对应的记忆特征向量，对提取的特征向量表征的所述训练视频进行分类，得到所述训练视频的分类结果，具体包括：

将提取的特征向量分别与所述记忆网络中不同分类所对应的记忆特征向量进行相似度匹配，得到每个分类与提取的特征向量的相似度匹配结果；

将得到相似度匹配结果中匹配程度最高的分类确定为所述训练视频的分类结果。

3.根据权利要求2所述的方法，其特征在于，将提取的特征向量分别与所述记忆网络中不同分类所对应的记忆特征向量进行相似度匹配，具体包括：

分别对所述记忆网络中各分类对应的记忆特征向量进行聚类；

对提取的特征向量和聚类结果作相似度度量。

4.根据权利要求3所述的方法，其特征在于，对提取的特征向量和所述聚类结果做相似度度量，具体包括：

根据预设的基准向量确认规则，为所述聚类结果中得到的每个聚类确认基准向量；

针对每个提取的特征向量，计算该特征向量与每个所述聚类对应的基准向量之间的距离；以及

将与该特征向量距离最小的基准向量所在的分类，作为该特征向量所对应训练图像帧的分类；

将对应有训练图像帧最多的分类，作为所述训练视频的分类结果。

5.根据权利要求1-4任意一项所述的方法，其特征在于，根据所述训练视频的分类结果以及所述训练视频的标签之间的比对结果，对所述目标神经网络进行训练，具体包括：

执行如下比对操作，直至所述训练视频的分类结果与所述训练视频的标签一致；所述比对操作包括：

将所述训练视频的分类结果与所述训练视频的标签进行比对；

若所述训练视频的分类结果与所述训练视频的标签不一致，则对所述目标神经网络的参数进行调整；

基于调整后的参数，使用所述目标神经网络为训练图像帧提取新的特征向量；

基于所述记忆网络存储的不同分类分别对应的记忆特征向量以及新的特征向量，对所述训练视频进行分类，得到所述训练视频的新的分类结果，并再次执行所述比对操作。

6.根据权利要求5所述的方法，其特征在于，还包括：

在所述分类结果与所述训练视频的标签一致时，将对应提取的特征向量添加至所述记忆网络对应分类中，对所述记忆网络进行更新。

7.根据权利要求1-4任意一项所述的方法，其特征在于，获取带有标签的训练视频中预设数量训练图像帧，包括：

获取带有标签的训练视频中，前预设数量训练图像帧；

基于所述记忆网络存储的不同分类分别对应的记忆特征向量，对提取的特征向量表征的所述训练视频进行分类，得到所述训练视频的分类结果，包括：

基于所述记忆网络存储的不同动作事件分别对应的记忆特征向量，对所述训练视频中，提取的特征向量对应的训练图像帧之后的图像帧包含的动作事件进行预测，得到所述训练视频的预测结果；

根据所述训练视频的分类结果以及所述训练视频的标签之间的比对结果，对所述目标神经网络进行训练，包括：

根据所述训练视频的预测结果以及所述训练视频的标签之间的比对结果，对所述目标神经网络进行训练。

8.一种分类方法，其特征在于，该方法包括：

获取待分类视频；

将所述待分类视频输入至通过权利要求1-7任意一项的分类模型训练方法得到的分类模型中，得到所述待分类视频的分类结果；

其中，所述分类模型包括：所述目标神经网络以及所述记忆网络。