[发明专利]视频的分类方法、装置、设备及存储介质

说明书

本发明实施例提供的一种视频的分类方法、装置、设备及存储介质，获取待分类视频中的指定视频帧；所述指定视频帧为用于表明所述待分类视频的视频内容的视频帧；利用预先训练得到的识别模型，对所述指定视频帧进行识别，得到所述指定视频帧的画面类型；其中，所述识别模型为利用目标比特图像和所述目标比特图像对应的样本图像的画面类型标签训练得到的；所述目标比特图像为所述样本图像对应的多个比特图像中，冗余信息最少的比特图像；基于所得到的画面类型，获取所述待分类视频的视频类型。通过本方案可以提高视频分类的准确度。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种视频的分类方法、装置、设备及存储介质。

背景技术

随着技术的发展，关于视频的平台中，视频的数量呈爆发式增长，导致视频的分类往往需要处理海量数据。进行视频的分类时，视频的类型为按照视频的内容差异划分得到的类型，例如，视频的类型可以包括：影视剧、综艺、动漫以及自拍等等。对此，为了减少视频分类的人工成本以及提高分类效率，相关技术中，可以利用预先训练得到的神经网络，识别待分类视频中指定视频帧的画面类型；基于所识别的画面类型，获取待分类视频的视频类型。其中，神经网络模型为利用样本图像和样本图像的画面类型标签训练得到的。

但是，由于样本图像中存在冗余信息，且处于训练阶段的神经网络提取样本图像中的信息相当于无法控制的黑匣子，因此，造成处于训练阶段的神经网络容易提取样本图像中的冗余信息。相应的，训练得到的神经网络也提取视频帧中的冗余信息；并且，冗余信息为图像中与画面类型的相关度相对而言较低的信息。因此，提取的冗余信息容易导致训练得到的神经网络模型对视频帧的画面类型的识别准确度降低。举例而言，训练得到的神经网络识别人脸图像时，人像的毛孔特征为冗余信息。并且，人脸图像中人像的毛孔可能因像素以及亮度等因素存在差异，此时，训练得到的神经网络很可能因提取人脸图像中的毛孔特征这一冗余信息，造成对人脸图像的误识别，得出某一人物的人脸图像不是该人物的识别结果。相应的，对指定视频帧的画面类型的识别准确度的降低，导致视频的分类不够准确。

发明内容

本发明实施例的目的在于提供一种视频的分类方法、装置、设备及存储介质，以实现提高视频分类的准确度的效果。具体技术方案如下：

第一方面，本发明实施例提供了一种视频的分类方法，该方法包括：

获取待分类视频中的指定视频帧；所述指定视频帧为用于表明所述待分类视频的视频内容的视频帧；

利用预先训练得到的识别模型，对所述指定视频帧进行识别，得到所述指定视频帧的画面类型；其中，所述识别模型为利用目标比特图像和所述目标比特图像对应的样本图像的画面类型标签训练得到的；所述目标比特图像为所述样本图像对应的多个比特图像中，冗余信息最少的比特图像；

基于所得到的画面类型，获取所述待分类视频的视频类型。

可选的，所述识别模型采用如下步骤训练得到：

获取样本图像对应的多个比特图像，并选择所述多个比特图像中冗余信息最少的比特图像，作为目标比特图像；

将所述目标比特图像输入至神经网络模型，得到所述目标比特图像对应的样本图像的预测画面类型；

基于所述预测画面类型、所述目标比特图像对应的样本图像的画面类型标签以及预设的损失函数，判断处于当前训练阶段的神经网络模型是否收敛；

如果收敛，将处于当前训练阶段的神经网络模型作为所述识别模型；

如果不收敛，调整处于当前训练阶段的神经网络模型的模型参数，得到调整后的神经网络模型；将所述目标比特图像输入所述调整后的神经网络模型，并重复上述判断和调整所述模型参数的步骤，直至所调整后的神经网络模型收敛。

可选的，所述获取样本图像对应的多个比特图像，并选择所述多个比特图像中冗余信息最少的比特图像，作为目标比特图像，包括：