[发明专利]一种视频分类方法、电子设备和存储介质

权利要求书

1.一种视频分类方法，其特征在于，包括：

根据视频的组成元素提取特征信息，其中，所述组成元素包括视频的图像、音频和/或字幕；

将所述特征信息输入视频分类模型，得到由所述视频分类模型输出的分类信息；所述分类信息用于表示所述视频所属的类别；

其中，所述视频分类模型为，将根据样本视频提取的特征信息作为输入，通过机器学习训练得到的用于对视频进行分类的模型；所述视频分类模型包括聚类运算层，所述聚类运算层用于根据作为训练参数的聚类中心矩阵和所述特征信息进行运算；

所述将所述特征信息输入视频分类模型，得到由所述视频分类模型输出的分类信息，包括：

将所述特征信息中根据任一组成元素提取的特征矩阵，作为目标特征矩阵，从所述聚类运算层的各聚类子层中确定与所述目标特征矩阵对应的目标聚类子层；

将所述目标特征矩阵输入所述目标聚类子层，由所述目标聚类子层输出聚类运算矩阵；

获取所述特征信息中每一特征矩阵对应的聚类子层输出的聚类运算矩阵，将获取的聚类运算矩阵进行拼接，得到第一矩阵；

其中，所述目标聚类子层用于根据所述目标特征矩阵和属于所述目标聚类子层的聚类中心矩阵进行运算；

将所述第一矩阵输入所述视频分类模型的权重聚合层，由所述权重聚合层输出第二矩阵；

将所述第二矩阵输入所述视频分类模型的全连接层，由所述全连接层输出预测向量，将所述预测向量作为所述分类信息；

其中，所述权重聚合层包括至少一个卷积子层和至少一个激活函数；所述预测向量包括所述视频所属的类别为各预设类别的概率。

2.根据权利要求1所述的视频分类方法，其特征在于，所述将所述目标特征矩阵输入所述目标聚类子层，由所述目标聚类子层输出聚类运算矩阵，包括：

将属于所述目标聚类子层的聚类中心矩阵作为目标聚类中心矩阵，将所述目标特征矩阵输入所述目标聚类子层中的聚类分析单元，由所述聚类分析单元输出聚类分析结果；

将所述聚类分析结果和所述目标特征矩阵输入所述目标聚类子层中的中间运算单元，由所述中间运算单元输出中间运算结果；

将所述聚类分析结果和所述中间运算结果输入所述目标聚类子层中的第一运算单元，由所述第一运算单元根据所述聚类分析结果、所述中间运算结果和作为训练参数的协方差矩阵，确定第一编码矩阵；

将所述聚类分析结果、所述中间运算结果和所述目标特征矩阵输入所述目标聚类子层中的第二运算单元，由所述第二运算单元根据所述聚类分析结果、所述中间运算结果、所述目标特征矩阵和所述协方差矩阵，确定第二编码矩阵；

将所述第一编码矩阵和所述第二编码矩阵进行拼接，得到由所述目标聚类子层输出的聚类运算矩阵。

3.根据权利要求2所述的视频分类方法，其特征在于，所述将所述目标特征矩阵输入所述目标聚类子层中的聚类分析单元，由所述聚类分析单元输出聚类分析结果，包括：

将所述目标特征矩阵输入所述聚类分析单元，由所述聚类分析单元根据所述目标特征矩阵与所述目标聚类中心矩阵进行叉乘的结果，确定第一变换矩阵，根据所述第一变换矩阵确定第一权重矩阵，对所述第一权重矩阵进行转置，得到第二权重矩阵；

根据所述第一权重矩阵的每一列向量中各元素的和，确定特征聚类向量，将所述第二权重矩阵和所述特征聚类向量作为所述聚类分析结果。

4.根据权利要求3所述的视频分类方法，其特征在于，所述将所述聚类分析结果和所述目标特征矩阵输入所述目标聚类子层中的中间运算单元，由所述中间运算单元输出中间运算结果，包括；

将所述目标特征矩阵和所述聚类分析结果中的所述第二权重矩阵输入所述中间运算单元，由所述中间运算单元根据所述第二权重矩阵和所述目标特征矩阵进行叉乘的结果，确定第二变换矩阵，对所述第二变换矩阵进行转置，得到第三变换矩阵，将所述第三变换矩阵作为所述中间运算结果。