[發明專利]視頻封面確定模型的生成方法及裝置、視頻封面確定方法及裝置

在審

• 申請號: 202010112972.5
• 申請日: 2020-02-24
• 公開（公告）號: CN111274444A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 劉暢;李巖
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06F16/738
• 分類號: G06F16/738
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李姣姣

1.一種視頻封面確定模型的生成方法，其特征在于，包括：

獲取第一目標視頻集；其中，所述第一目標視頻集包括至少一個第一目標視頻；

根據所述第一目標視頻，獲取正樣本和負樣本；其中，所述正樣本為所述第一目標視頻對應的初始視頻封面，所述負樣本為圖像特征滿足第一預設條件的圖像幀；

根據所述正樣本和所述負樣本，對預設的初始視頻封面確定模型進行訓練，并得到所述第一目標圖像為封面的預測分數和用于衡量所述正樣本與所述負樣本參與訓練權重的評價分數；

將滿足第二預設條件的預測分數且滿足第三預設條件的評價分數，對應的初始視頻封面確定模型，確定為視頻封面確定模型。

2.根據權利要求1所述的視頻封面確定模型的生成方法，其特征在于，所述根據所述第一目標視頻，獲取正樣本和負樣本，包括：

對于每一所述第一目標視頻，獲取所述第一目標視頻的初始視頻封面，并將所述初始視頻封面確定為正樣本；

按照第一預設規則，從所述第一目標視頻中抽取至少一個圖像幀，得到第一目標圖像集；

根據所述第一目標圖像的圖像特征，對所述第一目標圖像的屬性進行檢測，得到圖像屬性檢測結果；

根據每一所述圖像屬性檢測結果、每一所述第一目標圖像的圖像特征與所述正樣本的圖像特征之間的距離，得到所述負樣本。

3.根據權利要求2所述的視頻封面確定模型的生成方法，其特征在于，所述根據每一所述圖像屬性檢測結果、每一所述第一目標圖像的圖像特征與所述正樣本的圖像特征之間的距離，得到所述負樣本，包括：

將所述圖像屬性檢測結果為非正常圖像的第一目標圖像，確定為第一負樣本；

將所述第一目標圖像的圖像特征與所述正樣本的圖像特征之間的距離最大的第一目標圖像，確定為第二負樣本；

將所述第一負樣本和所述第二負樣本確定為所述負樣本。

4.根據權利要求1所述的視頻封面確定模型的生成方法，其特征在于，所述初始視頻封面確定模型包括初始得分網絡模型和初始評價網絡模型；

所述根據所述正樣本和所述負樣本，對預設的初始視頻封面確定模型進行訓練，并得到所述第一目標圖像為封面的預測分數和用于衡量所述正樣本與所述負樣本參與訓練權重的評價分數，包括：

將每一所述第一目標圖像的圖像特征輸入所述初始得分網絡模型，得到所述第一目標圖像為封面的預測分數；

將所述正樣本的圖像特征和所述負樣本的圖像特征輸入所述初始評價網絡模型，得到用于衡量所述正樣本與所述負樣本參與訓練權重的評價分數。

5.根據權利要求1所述的視頻封面確定模型的生成方法，其特征在于，所述將滿足第二預設條件的預測分數且滿足第三預設條件的評價分數，對應的初始視頻封面確定模型，確定為視頻封面確定模型，包括：

根據所述預測分數、所述正樣本和所述負樣本，得到第一損失函數值，以及根據所述評價分數、所述正樣本和所述負樣本，得到第二損失函數值；

根據所述第一損失函數值對所述初始得分網絡模型參數進行迭代更新，直到所述第一損失函數值穩定在第一預設閾值鄰域內，則將與所述第一損失函數值對應的初始得分網絡模型確定為得分網絡模型；

根據所述第二損失函數值對所述初始評價網絡模型參數進行迭代更新，直到所述第二損失函數值穩定在第二預設閾值鄰域內，則將與所述第二損失函數值對應的初始評價網絡模型確定為評價網絡模型；

將所述得分網絡模型和所述評價網絡模型對應的初始視頻封面確定模型，確定為所述視頻封面確定模型。

6.一種視頻封面確定方法，其特征在于，包括：

獲取第二目標視頻；

按照第二預設規則，從所述第二目標視頻中抽取圖像幀，得到第二目標圖像集；

將每一所述第二目標圖像的圖像特征輸入所述視頻封面確定模型，得到與所述第二目標視頻對應的視頻封面；其中，所述視頻封面確定模型為權利要求1-5中任一項所述的視頻封面確定模型。