[發明專利]視頻質量分析引擎的創建方法、視頻質量分析方法及設備

在審

• 申請號: 202111505772.7
• 申請日: 2021-12-10
• 公開（公告）號: CN114187259A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 袁坤;劉洋;孫明;杜鵬;戴宇榮
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N20/00
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 朱志玲;徐璐璐

1.一種視頻質量分析引擎的創建方法，其特征在于，包括：

獲取多任務模型，其中，所述多任務模型包括：與多個視頻質量分析任務對應的多個機器學習模型；

在同一網絡中創建與所述多個機器學習模型對應的多個模型，其中，所述多個模型符合所要創建的推理引擎的格式；

調用構建器，基于包括所述多個模型的網絡創建所述推理引擎，其中，所述推理引擎為用于運行所述多個模型的視頻質量分析引擎，

其中，所述視頻質量分析引擎運行時，所述視頻質量分析引擎的輸入量作為所述多個模型的輸入量，且所述多個模型的預測結果作為所述視頻質量分析引擎的輸出量。

2.根據權利要求1所述的創建方法，其特征在于，所述多個機器學習模型為深度學習模型，

其中，獲取多任務模型的步驟包括：

分別訓練與所述多個視頻質量分析任務中的每個視頻質量分析任務對應的機器學習模型；

分別針對訓練好的每個機器學習模型，對所述每個機器學習模型進行層參數融合，以得到更新后的每個機器學習模型。

3.根據權利要求2所述的創建方法，其特征在于，分別針對訓練好的每個機器學習模型，對所述每個機器學習模型進行層參數融合的步驟包括：

分別針對訓練好的每個機器學習模型，將所述每個機器學習模型中的歸一化層等效替換為一個1×1大小的卷積層，并將所述卷積層與所述歸一化層前序相鄰的卷積層進行參數合并。

4.根據權利要求1所述的創建方法，其特征在于，所述創建方法還包括：

對創建好的視頻質量分析引擎進行序列化處理；

保存序列化處理后的視頻質量分析引擎。

5.一種視頻質量分析方法，其特征在于，包括：

讀取已創建的用于運行多個模型的單個推理引擎；

將向量輸入所述單個推理引擎，以得到所述單個推理引擎輸出的所述多個模型針對所述向量的預測結果，

其中，所述單個推理引擎通過在同一網絡中創建與多任務模型對應的所述多個模型，并基于所述網絡創建得到，其中，所述多任務模型包括與多個視頻質量分析任務對應的多個機器學習模型。

6.一種視頻質量分析引擎的創建設備，其特征在于，包括：

多任務模型獲取單元，被配置為獲取多任務模型，其中，所述多任務模型包括：與多個視頻質量分析任務對應的多個機器學習模型；

模型創建單元，被配置為在同一網絡中創建與所述多個機器學習模型對應的多個模型，其中，所述多個模型符合所要創建的推理引擎的格式；

引擎創建單元，被配置為調用構建器，基于包括所述多個模型的網絡創建所述推理引擎，其中，所述推理引擎為用于運行所述多個模型的視頻質量分析引擎，

其中，所述視頻質量分析引擎運行時，所述視頻質量分析引擎的輸入量作為所述多個模型的輸入量，且所述多個模型的預測結果作為所述視頻質量分析引擎的輸出量。

7.一種視頻質量分析設備，其特征在于，包括：

引擎讀取單元，被配置為讀取已創建的用于運行多個模型的單個推理引擎；

預測單元，被配置為將向量輸入所述單個推理引擎，以得到所述單個推理引擎輸出的所述多個模型針對所述向量的預測結果，

其中，所述單個推理引擎通過在同一網絡中創建與多任務模型對應的所述多個模型，并基于所述網絡創建得到，其中，所述多任務模型包括與多個視頻質量分析任務對應的多個機器學習模型。

8.一種電子設備，其特征在于，包括：

至少一個處理器；

至少一個存儲計算機可執行指令的存儲器，

其中，所述計算機可執行指令在被所述至少一個處理器運行時，促使所述至少一個處理器執行如權利要求1至4中任一項所述的視頻質量分析引擎的創建方法和/或如權利要求5所述的視頻質量分析方法。