[發明專利]視頻處理方法、裝置、存儲介質及設備

在審

• 申請號: 202110182078.X
• 申請日: 2021-02-09
• 公開（公告）號: CN112905840A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 宋治勛
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06F16/783
• 分類號: G06F16/783;G06N3/04;G06Q30/02
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

1.一種視頻處理方法，其特征在于，包括：

獲取目標創意視頻對應的視頻數據；

將所述視頻數據輸入至視頻特征提取模型中，其中，所述視頻特征提取模型通過對包含孿生網絡的預設神經網絡模型進行訓練后得到，所述孿生網絡中包括結構相同且共享權重的兩個網絡，所述視頻特征提取模型對應的訓練樣本包括至少兩個創意視頻形成的樣本對，所述至少兩個創意視頻具有相同的內容主題和目標對象；

根據所述視頻特征提取模型的輸出結果，確定所述目標創意視頻對應的目標視頻特征。

2.根據權利要求1所述的視頻處理方法，其特征在于，所述視頻數據包括視頻文本數據和視頻圖像數據，所述視頻文本數據包括視頻標題，所述視頻圖像數據包括視頻封面圖像和視頻幀。

3.根據權利要求2所述的視頻處理方法，其特征在于，所述視頻特征提取模型采用如下模型訓練方法得到：

將第一視頻樣本數據輸入至待訓練的預設神經網絡模型中的第一特征提取網絡，并將第二視頻樣本數據輸入至所述預設神經網絡模型中的第二特征提取網絡，其中，所述第一視頻樣本數據來源于第一創意視頻，所述第二視頻樣本數據來源于第二創意視頻，所述第一創意視頻和所述第二創意視頻形成樣本對，所述第一特征提取網絡和所述第二特征提取網絡構成孿生網絡；

根據所述第一特征提取網絡輸出的第一特征數據和所述第二特征提取網絡輸出的第二特征數據計算第一損失函數；

基于所述第一損失函數對所述預設神經網絡模型進行訓練，得到目標神經網絡模型；

根據所述目標神經網絡模型中的訓練后的第一特征提取網絡或第二特征提取網絡確定視頻特征提取模型。

4.根據權利要求3所述的視頻處理方法，其特征在于，所述第一損失函數包括相似度損失函數；

所述基于所述第一損失函數對所述預設神經網絡模型進行訓練，包括：

基于所述第一損失函數，以所述第一特征數據和所述第二特征數據的相似度滿足預設要求為訓練目標，對所述預設神經網絡模型進行訓練。

5.根據權利要求3所述的視頻處理方法，其特征在于，所述第一損失函數包括二分類問題對應的損失函數；所述第一視頻樣本數據和所述第二視頻樣本數據構成正例樣本對；所述第一視頻樣本數據和第三視頻樣本數據構成負例樣本對，其中，所述第三視頻樣本數據來源于第三創意視頻，所述第一創意視頻和所述第三創意視頻具有不同的內容主題和/或目標對象；

所述模型訓練方法還包括：

將所述第一視頻樣本數據輸入至所述第一特征提取網絡，并將所述第三視頻樣本數據輸入至所述第二特征提取網絡；

根據所述第一特征提取網絡輸出的第三特征數據和所述第二特征提取網絡輸出的第四特征數據計算第二損失函數，其中，所述第二損失函數與所述第一損失函數的計算方式相同；

相應的，所述基于所述第一損失函數對所述預設神經網絡模型進行訓練，包括：

基于所述第一損失函數和所述第二損失函數，以所述第一特征數據和所述第二特征數據類別相同且所述第三特征數據和所述第四特征數據類別不同為訓練目標，對所述預設神經網絡模型進行訓練。