[发明专利]视频片段定位方法、装置、设备及存储介质

权利要求书

1.一种视频片段定位方法，其特征在于，所述方法包括：

确定样本数据的样本结果、预测识别结果和预测定位结果，所述样本数据包括样本文本和样本视频，所述预测识别结果通过待训练的识别模型对所述样本数据处理得到，用于表示所述样本视频和所述样本文本是否匹配，所述预测定位结果通过待训练的定位模型对所述样本数据处理得到，用于表示所述样本视频中与所述样本文本匹配的视频片段；

基于所述样本结果、所述预测识别结果和所述预测定位结果，分别对所述识别模型和所述定位模型进行训练，得到训练后的识别模型和训练后的定位模型；

在获取到用于检索视频片段的文本的情况下，通过所述训练后的识别模型确定出候选视频中与所述文本匹配的目标视频，通过所述训练后的定位模型确定出所述目标视频中与所述文本匹配的目标视频片段。

2.根据权利要求1所述的方法，其特征在于，所述样本结果包括样本定位结果，所述基于所述样本结果、所述预测识别结果和所述预测定位结果，分别对所述识别模型和所述定位模型进行训练，得到训练后的识别模型和训练后的定位模型，包括：

基于所述预测识别结果，确定所述识别模型的第一损失值；

基于所述样本定位结果和所述预测定位结果，确定所述定位模型的第二损失值；

基于所述第一损失值和所述第二损失值，分别对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述预测识别结果，确定所述识别模型的第一损失值，包括：

通过所述识别模型的第一损失函数，对所述预测识别结果进行处理，得到所述第一损失值；

所述基于所述样本定位结果和所述预测定位结果，确定所述定位模型的第二损失值，包括：

通过所述定位模型的第二损失函数，对所述样本定位结果和所述预测定位结果进行处理，得到所述第二损失值。

4.根据权利要求2所述的方法，其特征在于，所述基于所述第一损失值和所述第二损失值，分别对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型，包括：

对所述第一损失值和所述第二损失值进行加权处理，得到第三损失值；

基于所述第三损失值，对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型。

5.根据权利要求1所述的方法，其特征在于，所述基于所述样本结果、所述预测识别结果和所述预测定位结果，分别对所述识别模型和所述定位模型进行训练，得到训练后的识别模型和训练后的定位模型，包括：

基于所述样本文本和所述样本视频，构建所述样本数据的对齐特征，所述对齐特征表示所述样本文本和所述样本视频相似的特征；

基于所述样本结果、所述预测识别结果、所述预测定位结果、所述对齐特征、所述样本文本的文本特征和所述样本视频的视频特征，分别对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述样本结果、所述预测识别结果、所述预测定位结果、所述对齐特征、所述样本文本的文本特征和所述样本视频的视频特征，分别对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型，包括：

基于所述预测识别结果，确定所述识别模型的第一损失值；

基于所述样本定位结果和所述预测定位结果，确定所述定位模型的第二损失值；

基于所述对齐特征、所述样本文本的文本特征和所述样本视频的视频特征，确定所述识别模型的第四损失值；

基于所述第一损失值、所述第二损失值和所述第四损失值，分别对所述识别模型和所述定位模型进行训练，得到所述训练后的识别模型和所述训练后的定位模型。