[发明专利]视频处理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种视频处理方法、装置、计算机设备和存储介质。所述方法包括：通过待训练的识别模型，分别提取源域和目标域下的视频样本的深度特征；通过域适应训练器对深度特征进行多时间尺度特征提取，分别得到源域和目标域下的多时间尺度的视频特征；按照视频特征对应的时间节点和时间尺度权重，将源域和目标域下的视频特征分组对齐；时间尺度权重与相应视频特征所表达的信息量正相关；根据同组内的源域和目标域下的视频特征之间的对抗损失，以及源域下的视频样本的预测类别与相应样本标签之间的类别损失，调整识别模型的模型参数并继续进行对抗训练，直至满足训练停止条件时结束训练。采用本方法能够有效提高视频识别的准确率。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种视频处理方法、装置、计算机设备和存储介质。

背景技术

随着图像处理技术和人工智能技术的迅速发展，出现了视频识别技术，例如对视频内容中对象的行为等进行检测识别，以实现自动识别视频的类别。

相关技术中，通常是利用大量标注的样本数据训练网络模型，以通过训练得到的网络模型对标注领域的视频中各静态帧进行分类识别。然而，这种方式仅能适用于对标注领域的视频的分类识别，对于其他领域下的视频，就无法准确识别，导致对其他领域下的视频识别的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高视频识别的准确率的视频处理方法、装置、计算机设备和存储介质。

一种视频处理方法，所述方法包括：

通过待训练的识别模型，分别提取源域和目标域下的视频样本的深度特征；所述源域下的视频样本携带样本标签；

通过域适应训练器对所述深度特征进行多时间尺度特征提取，分别得到源域和目标域下的多时间尺度的视频特征；

按照所述视频特征对应的时间节点和时间尺度权重，将源域和目标域下的视频特征分组对齐；所述时间尺度权重与相应视频特征所表达的信息量正相关；

根据同组内的源域和目标域下的视频特征之间的差异，确定对抗损失；

基于源域下的视频样本的预测类别与相应样本标签之间的差异，确定类别损失；所述预测类别，是基于所述源域下的视频样本的视频特征进行分类得到；

根据所述对抗损失和所述类别损失，调整所述识别模型的模型参数并继续进行对抗训练，直至满足训练停止条件时结束训练。

一种视频处理装置，所述装置包括：

特征提取模块，用于通过待训练的识别模型，分别提取源域和目标域下的视频样本的深度特征；所述源域下的视频样本携带样本标签；

域适应训练模块，用于通过域适应训练器对所述深度特征进行多时间尺度特征提取，分别得到源域和目标域下的多时间尺度的视频特征；按照所述视频特征对应的时间节点和时间尺度权重，将源域和目标域下的视频特征分组对齐；所述时间尺度权重与相应视频特征所表达的信息量正相关；

损失确定模块，用于根据同组内的源域和目标域下的视频特征之间的差异，确定对抗损失；基于源域下的视频样本的预测类别与相应样本标签之间的差异，确定类别损失；所述预测类别，是基于所述源域下的视频样本的视频特征进行分类得到；

参数调整模块，用于根据所述对抗损失和所述类别损失，调整所述识别模型的模型参数并继续进行对抗训练，直至满足训练停止条件时结束训练。

在一个实施例中，所述域适应训练模块还用于通过域适应训练器分别对所述深度特征进行多时间尺度卷积处理，得到所述深度特征对应的卷积结果；根据所述深度特征所对应的时间节点权重和相应的卷积结果，分别得到所述源域和所述目标域下的多时间尺度的视频特征。