[发明专利]一种视频分类方法、视频分类装置、电子设备及存储介质

权利要求书

1.一种视频分类方法，其特征在于，包括：

获取待分类视频；

将所述待分类视频进行预处理得到目标图像帧序列；

根据所述目标图像帧序列，获取所述待分类视频对应的目标视频特征向量；

通过将所述目标视频特征向量输入至训练完成的视频分类模型，得到所述待分类视频的分类结果；

其中，所述视频分类模型为通过视频训练样本的视频特征向量样本和增广视频特征向量样本进行模型训练得到的。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取视频训练样本以及所述视频训练样本所属的类别标签样本；所述视频训练样本的数量为两个；

获取所述视频训练样本对应的视频特征向量样本和增广视频特征向量样本；所述增广视频特征向量样本为通过预设特征增广模型对所述视频特征向量样本进行特征增广得到的；

根据所述类别标签样本获取所述视频训练样本的标签向量样本；

通过所述增广视频特征向量样本、所述视频特征向量样本以及所述标签向量样本，对预设分类模型进行模型训练得到所述视频分类模型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述视频训练样本对应的视频特征向量样本和增广视频特征向量样本，包括：

将所述视频训练样本进行预处理得到图像帧序列样本；

根据所述图像帧序列样本，获取所述视频训练样本的视频特征向量样本；

将所述视频特征向量样本输入至预设特征增广模型得到所述增广视频特征向量样本。

4.根据权利要求3所述的方法，其特征在于，所述根据所述类别标签样本获取所述视频训练样本的标签向量样本，包括：

获取所述类别标签样本对应的第一向量；

按照预设增广运算方式，对所述类别标签样本进行类别增广得到增广类别集合；

获取所述增广类别集合对应的第二向量；

确定所述第一向量和所述第二向量为所述标签向量样本。

5.根据权利要求4所述的方法，其特征在于，所述预设特征增广模型包括以下至少一个：交运算特征增广模型、并运算特征增广模型以及差运算特征增广模型；

在所述预设特征增广模型包括所述交运算特征增广模型的情况下，所述预设增广运算方式为交运算增广方式；

在所述预设特征增广模型包括所述并运算特征增广模型的情况下，所述预设增广运算方式为并运算增广方式；

在所述预设特征增广模型包括所述差运算特征增广模型的情况下，所述预设增广运算方式为差运算增广方式。

6.根据权利要求2至5任一项所述的方法，其特征在于，所述通过所述增广视频特征向量样本、所述视频特征向量样本以及所述标签向量样本，对预设分类模型进行模型训练得到所述视频分类模型，包括：

将所述增广视频特征向量样本和所述视频特征向量样本输入至所述预设分类模型得到输出结果向量；

根据所述输出结果向量和所述标签向量样本，获取所述预设分类模型的当前网络损失值；

根据所述当前网络损失值对所述预设分类模型进行更新得到更新后的分类模型，并在更新后的分类模型满足预设收敛条件的情况下，确定所述更新后的分类模型为所述视频分类模型。

7.根据权利要求6所述的方法，其特征在于，所述预设收敛条件包括：

对所述预设分类模型进行更新的次数小于等于第一预设阈值；或者，

所述当前网络损失值与上一网络损失值之间的差值小于等于第二预设阈值。

8.根据权利要求1至5任一项所述的方法，其特征在于，所述将所述待分类视频进行预处理得到目标图像帧序列，包括：

对所述待分类视频进行采样，得到初始图像帧序列；

将所述初始图像帧序列进行归一化处理，得到所述目标图像帧序列。