[发明专利]用于生成场景识别模型的方法和装置有效
申请号: | 201910204897.2 | 申请日: | 2019-03-18 |
公开(公告)号: | CN109919244B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 李伟健;姜轩;王长虎 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/00 |
代理公司: | 北京天达共和律师事务所 11798 | 代理人: | 刘璠;胡剑炜 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 生成 场景 识别 模型 方法 装置 | ||
1.一种用于生成场景识别模型的方法,包括:
获取样本集合,所述样本集合中的样本具有标注信息,该标注信息用于表征该样本不属于预设的至少一个场景类别中的任何场景类别,或者用于表征该样本所属的所述至少一个场景类别中的场景类别;属于预设的至少一个场景类别中的场景类别的样本,其对应的标注信息用于表征其属于预设的至少一个场景类别中的场景类别;不属于预设的至少一个场景类别中的场景类别的样本,其对应的标注信息用于表征其不属于预设的至少一个场景类别中的任何场景类别;
通过将所述样本集合中的样本作为所述模型的输入,并将所述样本的标注信息作为所述模型的期望输出,来调整所述模型的参数。
2.根据权利要求1所述的方法,其中,所述模型用于识别输入所述模型的待分类视频所属的场景类别,所述模型包括特征提取层、第一分类器、第二分类器,所述特征提取层用于提取所述待分类视频的视频特征数据,所述第一分类器用于确定所述待分类视频是否属于场景视频,所述第二分类器用于响应于确定所述待分类视频属于场景视频,确定所述待分类视频所属的场景类别。
3.根据权利要求2所述的方法,其中,所述样本集合包括视频样本集合;以及
通过将所述样本集合中的样本作为所述模型的输入,并将所述样本的标注信息作为所述模型的期望输出,来调整所述模型的参数,包括:
从所述视频样本集合中选择视频样本;
将所选择的视频样本输入所述特征提取层,以得到视频特征数据;
基于所选择的视频样本的标注信息,确定所选择的视频样本是否属于所述至少一个场景类别包括的场景类别;
响应于确定所选择的视频样本属于所述至少一个场景类别包括的场景类别,通过将所述视频特征数据作为所述第一分类器的输入,并将表征所选择的视频样本属于所述至少一个场景类别之一的指示信息作为所述第一分类器的期望输出,以及通过将所述视频特征数据作为所述第二分类器的输入,并将所选择的视频样本的标注信息作为所述第二分类器的期望输出,来调整所述模型的参数;
响应于确定所选择的视频样本不属于所述至少一个场景类别包括的场景类别,通过将所述视频特征数据作为所述第一分类器的输入,并将所选择的视频样本的标注信息作为所述第一分类器的期望输出,来调整所述模型的参数。
4.根据权利要求1-3之一所述的方法,其中,所述样本集合中的样本的标注信息由具有预设数目的元素的向量来表示,所述预设数目的元素中的元素对应于多个预设场景类别中的场景类别。
5.一种用于识别视频的方法,包括:
获取目标视频;
将所述目标视频输入预先训练的场景识别模型,以得到场景识别结果,其中,所述场景识别模型为根据权利要求1-4之一所述的方法生成的,所述场景识别结果用于表征所述目标视频是否属于场景视频,以及在所述目标视频属于场景视频的情况下,所述场景识别结果还用于表征所述目标视频所属的场景类别。
6.根据权利要求5所述的方法,其中,所述方法还包括:
将所述目标视频和所述场景识别结果关联存储。
7.根据权利要求5或6所述的方法,其中,所述方法还包括:
获取目标用户的视频需求信息;
响应于确定所述视频需求信息与所述场景识别结果匹配,将所述目标视频发送至所述目标用户的终端。
8.一种用于生成场景识别模型的装置,包括:
样本获取单元,被配置成获取样本集合,所述样本集合中的样本具有标注信息,该标注信息用于表征该样本不属于预设的至少一个场景类别中的任何场景类别,或者用于表征该样本所属的所述至少一个场景类别中的场景类别;属于预设的至少一个场景类别中的场景类别的样本,其对应的标注信息用于表征其属于预设的至少一个场景类别中的场景类别;不属于预设的至少一个场景类别中的场景类别的样本,其对应的标注信息用于表征其不属于预设的至少一个场景类别中的任何场景类别;
调整单元,被配置成通过将所述样本集合中的样本作为所述模型的输入,并将所述样本的标注信息作为所述模型的期望输出,来调整所述模型的参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910204897.2/1.html,转载请声明来源钻瓜专利网。