[發明專利]視頻分類方法、裝置、可讀介質及電子設備

有效

• 申請號: 202110450256.2
• 申請日: 2021-04-25
• 公開（公告）號: CN113033707B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 杜正印;李偉健;王長虎
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06V20/40;G06F16/75
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 王曉霞

本公開涉及一種視頻分類方法、裝置、可讀介質及電子設備，包括：獲取目標視頻；將目標視頻分別輸入多個視頻分類模型中，確定與目標視頻對應的多組分類預測結果；根據多組分類預測結果確定目標視頻的目標視頻特征；將目標視頻特征輸入預先訓練好的融合分類模型中，確定與目標視頻對應的分類標簽。通過上述技術方案，能夠最終融合多個視頻分類模型的分類預測結果作為該目標視頻的視頻特征，進而根據該新得到的視頻特征對視頻分類進行識別，從而能夠得到該目標視頻更加豐富的分類信息，提升視頻分類任務的分類效果，提高對視頻的分類準確率。

技術領域

本公開涉及視頻技術領域，具體地，涉及一種視頻分類方法、裝置、可讀介質及電子設備。

背景技術

視頻標簽識別分類是視頻內容平臺的基礎技術，對于平臺內內容的檢測、分析，以及平臺內容的推薦、搜索等都有很多應用。目前視頻標簽的識別主要都是基于有監督的機器學習方法，通過端到端的方式從標注數據中進行自動學習，然后將學習到的模型在新發文數據上進行自動預測。但是單獨的機器學習模型對視頻特征提取能力有限，無法實現更加準確的分類效果。

發明內容

提供該發明內容部分以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該發明內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開提供一種視頻分類方法，所述方法包括：

獲取目標視頻；

將所述目標視頻分別輸入多個視頻分類模型中，確定與所述目標視頻對應的多組分類預測結果；

根據所述多組分類預測結果確定所述目標視頻的目標視頻特征；

將所述目標視頻特征輸入預先訓練好的融合分類模型中，確定與所述目標視頻對應的分類標簽。

第二方面，本公開提供一種視頻分類裝置，所述裝置包括：

第一獲取模塊，用于獲取目標視頻；

第一確定模塊，用于將所述目標視頻分別輸入多個視頻分類模型中，確定與所述目標視頻對應的多組分類預測結果；

第二確定模塊，用于根據所述多組分類預測結果確定所述目標視頻的目標視頻特征；

第三確定模塊，用于將所述目標視頻特征輸入預先訓練好的融合分類模型中，確定與所述目標視頻對應的分類標簽。

第三方面，本公開提供一種計算機可讀介質，其上存儲有計算機程序，該程序被處理裝置執行時實現第一方面所述方法的步驟。

第四方面，本公開提供一種電子設備，包括：

存儲裝置，其上存儲有計算機程序；

處理裝置，用于執行所述存儲裝置中的所述計算機程序，以實現第一方面所述方法的步驟。

通過上述技術方案，能夠通過多個視頻分類模型分別得到與目標視頻對應的分類預測結果作為該目標視頻的分類特征數據，最終融合多個視頻分類模型的分類預測結果作為該目標視頻的視頻特征，進而根據該新得到的視頻特征對視頻分類進行識別，從而能夠得到該目標視頻更加豐富的分類信息，提升視頻分類任務的分類效果，提高對視頻的分類準確率。

本公開的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。

附圖說明

結合附圖并參考以下具體實施方式，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。貫穿附圖中，相同或相似的附圖標記表示相同或相似的元素。應當理解附圖是示意性的，原件和元素不一定按照比例繪制。在附圖中：

圖1是根據本公開一示例性實施例示出的一種視頻分類方法的流程圖。