[发明专利]一种多媒体内容分类方法和相关装置有效

专利信息
申请号: 202110803534.8 申请日: 2021-07-16
公开(公告)号: CN113269279B 公开(公告)日: 2021-10-15
发明(设计)人: 黄剑辉 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 常忠良
地址: 518064 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 多媒体 内容 分类 方法 相关 装置
【权利要求书】:

1.一种多媒体内容分类方法,其特征在于,所述方法包括:

获取待分类多媒体内容的第一模态信息和第二模态信息,所述第一模态信息和所述第二模态信息的模态不同;

通过分类模型的特征提取子模型,对所述第一模态信息进行特征提取获得第一模态语义特征,对所述第二模态信息进行特征提取获得第二模态语义特征;

通过所述分类模型的第一特征融合子模型,对所述第一模态语义特征和所述第二模态语义特征进行特征融合,获得第一融合语义特征;

通过所述分类模型的第二特征融合子模型中卷积参数,对所述第一融合语义特征进行卷积融合,获得第二融合语义特征;所述第二特征融合子模型包括第一卷积层和第一池化层,所述第一卷积层包括第一卷积参数,用于对所述第一融合语义特征进行卷积操作;或,所述第二特征融合子模型包括第二卷积层、第三卷积层和第二池化层,所述第二卷积层包括第二卷积参数,用于对所述第一融合语义特征进行卷积操作,所述第三卷积层包括第三卷积参数,用于对所述第一融合语义特征进行卷积操作,所述第二卷积参数和所述第三卷积参数不同;

通过所述分类模型的分类子模型,基于所述第二融合语义特征确定所述待分类多媒体内容的类别。

2.根据权利要求1所述的方法,其特征在于,所述通过所述分类模型的第二特征融合子模型中卷积参数,对所述第一融合语义特征进行卷积融合,获得第二融合语义特征,包括:

通过所述第一卷积层中第一卷积参数,对所述第一融合语义特征进行卷积操作,获得多个第一卷积语义特征;

通过所述第一池化层,对所述多个第一卷积语义特征进行池化操作,获得所述第二融合语义特征。

3.根据权利要求1所述的方法,其特征在于,所述通过所述分类模型的第二特征融合子模型中卷积参数,对所述第一融合语义特征进行卷积融合,获得第二融合语义特征,包括:

通过所述第二卷积层中第二卷积参数,对所述第一融合语义特征进行卷积操作,获得多个第二卷积语义特征;

通过所述第三卷积层中第三卷积参数,对所述第一融合语义特征进行卷积操作,获得多个第三卷积语义特征;

通过所述第二池化层,对所述多个第二卷积语义特征进行池化操作,获得第三融合语义特征,对所述多个第三卷积语义特征进行池化操作,获得第四融合语义特征;

将所述第三融合语义特征和所述第四融合语义特征进行特征拼接,获得所述第二融合语义特征。

4.根据权利要求2或3所述的方法,其特征在于,所述池化操作包括最大池化操作、均值池化操作或随机池化操作。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取待训练多媒体内容的第一模态训练信息、第二模态训练信息和类别标签作为训练样本,所述第一模态训练信息和所述第二模态训练信息的模态不同,所述类别标签用于标识所述待训练多媒体内容的类别;

根据所述训练样本对预设分类模型进行训练,获得所述分类模型;

其中,所述预设分类模型包括所述特征提取子模型、所述第一特征融合子模型、所述第二特征融合子模型和所述分类子模型。

6.根据权利要求5所述的方法,其特征在于,所述根据所述训练样本对预设分类模型进行训练,获得所述分类模型,包括:

通过所述特征提取子模型,对所述第一模态训练信息进行特征提取,获得第一模态训练语义特征,对所述第二模态训练信息进行特征提取,获得第二模态训练语义特征;

通过所述第一特征融合子模型,对所述第一模态训练语义特征和所述第二模态训练语义特征进行特征融合,获得第一融合训练语义特征;

通过所述第二特征融合子模型中卷积参数,对所述第一融合语义训练特征进行卷积融合,获得第二融合训练语义特征;

通过所述分类子模型,基于所述第二融合训练语义特征确定所述训练多媒体内容的预测类别;

若所述预测类别与所述类别标签不一致,调整所述预设分类模型的模型参数,将调整好的预设分类模型作为所述分类模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202110803534.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top