[发明专利]视频起播的优化方法、装置、设备以及存储介质

说明书

本申请公开了视频起播的优化方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为深度学习和计算机视觉技术领域。该方法的一具体实施方式包括：获取视频起播时影响视频起播速度的特征数据；将特征数据输入预先训练好的梯度提升决策树GBDT回归模型，输出预测的视频缓存帧的值，记为第一预测值；基于第一预测值确定是否开始播放视频。该实施方式提供了一种视频起播的优化方法，降低了视频的起播时间，减少了视频播放的卡顿次数，从而提升了用户体验。

技术领域

本申请实施例涉及计算机领域，具体涉及深度学习、计算机视觉等人工智能领域，尤其涉及视频起播的优化方法、装置、设备以及存储介质。

背景技术

随着网络技术和智能设备的普及，智能终端(手机、电视、盒子、平板电脑等)数量迅速增长，随时随地看网络视频、直播视频逐渐成为一种习惯，随之而来的是出现大量由于各种原因导致的网络视频起播不畅的情况，从而给用户带来极差的视频播放体验。

网络视频起播前，视频播放器通常都会预先下载并缓存一定数量的视频帧，当缓存的视频帧达到一定的阈值时，才会让视频帧解码并播放，阈值的选取往往针对某一类型场景，阈值一旦选取就固化了，视频起播都以这个选取的阈值为标准。

发明内容

本申请实施例提出了一种视频起播的优化方法、装置、设备以及存储介质。

第一方面，本申请实施例提出了一种视频起播的优化方法，包括：获取视频起播时影响视频起播速度的特征数据；将特征数据输入预先训练好的梯度提升决策树GBDT回归模型，输出预测的视频缓存帧的值，记为第一预测值；基于第一预测值确定是否开始播放视频。

第二方面，本申请实施例提出了一种视频起播的优化装置，包括：第一获取模块，被配置成获取视频起播时影响视频起播速度的特征数据；预测模块，被配置成将特征数据输入预先训练好的GBDT回归模型，输出预测的视频缓存帧的值，记为第一预测值；确定模块，被配置成基于第一预测值确定是否开始播放视频。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本申请实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的视频起播的优化方法、装置、设备以及存储介质，首先获取视频起播时影响视频起播速度的特征数据；然后将特征数据输入预先训练好的GBDT回归模型，输出预测的视频缓存帧的值，记为第一预测值；最后基于第一预测值确定是否开始播放视频。本申请提供了一种通过机器学习的方法动态预测最优化的视频缓存帧值的方法，降低了多种场景下视频的起播时间，减少了视频播放的卡顿次数，从而提升了用户体验。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请的视频起播的优化方法的一个实施例的流程图；

图2是根据本申请的视频起播的优化方法的另一个实施例的流程图；

图3是播放器运行本申请的视频起播的优化方法的实现框图；

图4是根据本申请的视频起播的优化装置的一个实施例的结构示意图；