CN108960110A - 用于生成信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取包括对象的目标视频；将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。该实施方式实现了提高了信息生成的多样性和准确性。

Description

用于生成信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

目前，通过拍摄视频实现信息分享已经成为人们生活中重要的信息分享模式。实践中，为了提高用户对视频的观看体验，通常会对拍摄得到的视频进行处理，以生成用于表征视频中所显示的内容的标签。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取包括对象的目标视频；将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

在一些实施例中，视频识别模型包括至少两个标签生成模型和特征提取网络，其中，至少两个标签生成模型用于生成等级不同的标签；以及将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，包括：将目标视频输入特征提取网络，获得目标视频的视频特征；将所获得的视频特征分别输入至少两个标签生成模型，获得目标视频中的对象所对应的、包括至少两个标签的标签序列。

在一些实施例中，视频识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签；对于训练样本集中的训练样本，基于预先建立的标签间的等级关系和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列；将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。

在一些实施例中，将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型，包括：从训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型；响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行训练步骤。

在一些实施例中，基于所确定的损失值，确定初始模型是否训练完成，包括：对于实际标签序列中的实际标签，确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值；响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

在一些实施例中，基于所确定的损失值，确定初始模型是否训练完成，包括：确定实际标签序列中的实际标签所对应的等级；获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值；将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：视频获取单元，被配置成获取包括对象的目标视频；序列生成单元，被配置成将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

在一些实施例中，视频识别模型包括至少两个标签生成模型和特征提取网络，其中，至少两个标签生成模型用于生成等级不同的标签；以及序列生成单元包括：特征生成模块，被配置成将目标视频输入特征提取网络，获得目标视频的视频特征；序列生成模块，被配置成将所获得的视频特征分别输入至少两个标签生成模型，获得目标视频中的对象所对应的、包括至少两个标签的标签序列。

在一些实施例中，视频识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签；对于训练样本集中的训练样本，基于预先建立的标签间的等级关系和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列；将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。

在一些实施例中，将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型，包括：从训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型；响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行训练步骤。

在一些实施例中，基于所确定的损失值，确定初始模型是否训练完成，包括：对于实际标签序列中的实际标签，确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值；响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

在一些实施例中，基于所确定的损失值，确定初始模型是否训练完成，包括：确定实际标签序列中的实际标签所对应的等级；获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值；将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述用于生成信息的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于生成信息的方法中任一实施例的方法。

本申请实施例提供的用于生成信息的方法和装置，通过获取包括对象的目标视频，而后将目标视频输入预先训练的视频识别模型，获得了目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容，从而可以针对视频中的对象，同时生成多级标签，提高了信息生成的多样性；另外，由于所生成的多级标签所对应的内容之间具有从属关系，因此，所生成的多级标签中的每级标签都可以对其他标签起到验证作用，进而提高了信息生成的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如模型训练类应用、视频识别类应用、网页浏览器应用、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

当终端101、102、103为硬件时，其上还可以安装有视频采集设备。视频采集设备可以是各种能实现采集视频功能的设备，如摄像头、传感器等等。用户可以利用终端101、102、103上的视频采集设备来采集视频。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的视频进行处理的后台服务器。后台服务器可以对接收到的目标视频等数据进行分析等处理，并可以将处理结果(例如标签序列)反馈给终端设备。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。特别地，在目标视频或者生成标签序列的过程中所使用的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。

继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，获取包括对象的目标视频。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取包括对象的目标视频。其中，目标视频可以为待对其进行识别的视频。对象可以为拍摄获得目标视频时的拍摄内容所对应的影像，对象可以是各种事物的影像(即拍摄内容可以是各种事物)，例如人物影像、动物影像、行为影像等。

需要说明的是，上述执行主体可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的、包括对象的目标视频，也可以获取预先存储于本地的、包括对象的目标视频。

步骤202，将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列。

在本实施例中，基于步骤201中得到的目标视频，上述执行主体可以将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列。其中，标签可以用于表征对象所指示的内容。标签可以包括但不限于以下至少一项：文字、数字、符号、图片。标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

作为示例，目标视频为对猫进行拍摄所获得的视频，即目标视频中的对象即为猫影像。在这里，将该目标视频输入上述视频识别模型所获得的猫影像所对应的标签序列可以为“动物；宠物；猫”，即获得了三个标签，分别为“动物”、“宠物”、“猫”。可以理解的是，猫属于宠物，宠物属于动物，因此，标签“动物”的等级最高；标签“宠物”的等级次之；标签“猫”的等级最低。

在本实施例中，视频识别模型可以用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系。视频识别模型可以包括用于生成不同等级的标签的结构(例如分类器)。在这里，用于生成不同等级的标签的结构的个数可以与所生成的标签序列中的标签的个数相对应。

在本实施例的一些可选的实现方式中，视频识别模型可以通过如下步骤训练得到：首先，获取训练样本集，其中，训练样本可以包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签。然后，对于训练样本集中的训练样本，基于预先建立的标签间的等级关系(例如等级对应关系表)和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列。最后，将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。需要说明的是，在这里，所标注的样本标签通常是等级关系当中等级最低的标签。

具体的，作为示例，可以从训练样本集中选取训练样本，并执行以下步骤：首先将所选取的训练样本的样本视频输入初始模型(例如卷积神经网络(Convolutional NeuralNetwork，CNN)、残差网络(ResNet)等)，获得标签序列。而后将所输入的样本视频所对应的样本标签序列作为初始模型的期望输出，基于所获得的标签序列和样本标签序列，调整初始模型的参数。然后确定训练样本集中是否存在未被选取的训练样本，响应于不存在未被选取的训练样本，将调整后的初始模型确定为视频识别模型。

需要说明的是，训练样本的选取方式在本申请中并不限制。例如可以是随机选取，也可以是优先选取样本视频的清晰度较好的训练样本。

在本实施例的一些可选的实现方式中，上述视频识别模型也可以通过如下步骤训练得到：从训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型。

在该实现方式中，对于所获得的实际标签序列中的每个实际标签，均可以确定一个该实际标签相对于该实际标签所对应的样本标签的损失值。其中，损失值可以用于表征实际输出与期望输出之间的差异。

作为示例，实际标签序列为“动物；猫”，样本标签序列为“动物；狗”。其中，实际标签“动物”与样本标签“动物”对应；实际标签“猫”与样本标签“狗”对应。进而，对于实际标签“动物”，可以确定其相对于样本标签“动物”的损失值；对于实际标签“猫”，可以确定其相对应样本标签“狗”的损失值。

需要说明的是，在这里，可以采用预设的各种损失函数计算实际标签相对于该实际标签所对应的样本标签的损失值，例如，可以采用L2范数作为损失函数计算损失值。

另外，在该实现方式中，还可以响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行上述训练步骤。

需要说明的是，上述用于获得视频识别模型的步骤的执行主体可以与用于生成信息的方法的执行主体相同或者不同。如果相同，则用于获得视频识别模型的步骤的执行主体可以在训练得到视频识别模型后，将训练好的视频识别模型存储在本地。如果不同，则用于获得视频识别模型的步骤的执行主体可以在训练得到视频识别模型后，将训练好的视频识别模型发送给用于生成信息的方法的执行主体。

在本实施例的一些可选的实现方式中，上述用于获得视频识别模型的步骤的执行主体可以通过以下步骤确定初始模型是否训练完成：首先，对于实际标签序列中的实际标签，可以确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值。然后，可以响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

示例性的，对于上述实际标签序列为“动物；猫”，样本标签序列为“动物；狗”的示例，可以理解的是，实际标签“动物”所对应的等级是高等级，实际标签“猫”所对应的等级是低等级。而技术人员针对高等级的标签，预先设置的损失阈值可以是5；针对低等级的标签，预先设置的损失阈值可以是1。故上述用于获得视频识别模型的步骤的执行主体可以确定实际标签“动物”所对应的损失值是否小于等于损失阈值“5”；确定实际标签“猫”所对应的损失值是否小于等于损失阈值“1”。进而，可以响应于确定实际标签“动物”所对应的损失值小于等于损失阈值“5”，且实际标签“猫”所对应的损失值小于等于损失阈值“1”，确定初始模型训练完成。

在本实施例的一些可选的实现方式中，上述用于获得视频识别模型的步骤的执行主体还可以通过以下步骤确定初始模型是否训练完成：首先，可以确定实际标签序列中的实际标签所对应的等级。然后，可以获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值。最后，可以将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

示例性的，对于上述实际标签序列为“动物；猫”，样本标签序列为“动物；狗”的示例，实际标签“动物”所对应的等级是高等级，实际标签“猫”所对应的等级是低等级。而技术人员针对高等级的标签，预先设置的权重可以为0.4；针对低等级的标签，预先设置的权重为0.6。假如通过上述示例确定了实际标签“动物”所对应的损失值是0，实际标签“猫”所对应的损失值是6，则上述用于获得视频识别模型的步骤的执行主体可以基于上述权重，对上述损失值进行加权求和处理，获得加权求和值3.6(3.6＝0×0.4+6×0.6)，即获得总损失值。而技术人员预先设置的总损失阈值可以为5，进而上述用于获得视频识别模型的步骤的执行主体可以响应于确定总损失值“3.6”小于总损失阈值“5”，确定初始模型训练完成。

继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，终端301首先将包括猫影像(对象)的目标视频(拍摄猫所获得的视频)302发送给服务器303。然后，服务器303获取到目标视频302，以及将目标视频302输入预先训练的视频识别模型304，获得目标视频302中的猫影像所对应的标签序列305。其中，视频识别模型304可以用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系。标签序列305中的标签可以用于表征猫影像所指示的内容，标签序列305中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。具体的，对于标签序列305，由于宠物属于动物，而猫属于宠物，故标签(动物)3051的等级最高，标签(宠物)3052的等级次之，标签(猫)3053的等级最低。

本申请的上述实施例提供的方法通过获取包括对象的目标视频，而后将目标视频输入预先训练的视频识别模型，获得了目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容，从而可以针对视频中的对象，同时生成多级标签，提高了信息生成的多样性；另外，由于所生成的多级标签所对应的内容之间具有从属关系，因此，所生成的多级标签中的每级标签都可以对其他标签起到验证作用，进而提高了信息生成的准确性。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，获取包括对象的目标视频。

在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取包括对象的目标视频。

需要说明的是，步骤401可以采用与前述实施例中的步骤201类似的方式实现。相应地，上文针对步骤201的描述也适可用于本实施例的步骤401，此处不再赘述。

步骤402，将目标视频输入预先训练的视频识别模型的特征提取网络，获得目标视频的视频特征。

在本实施例中，视频识别模型可以包括特征提取网络，进而，基于步骤401中得到的目标视频，上述执行主体可以将目标视频输入视频识别模型的特征提取网络，获得目标视频的视频特征。

可以理解的是，目标视频实质上是一个按照时间的先后顺序排列的目标图像序列。因此，目标视频的视频特征可以由目标图像序列中的目标图像的图像特征来体现。

在本实施例中，特征提取网络可以用于提取目标视频所对应的目标图像的图像特征，并基于图像特征，生成目标视频所对应的视频特征及输出。

具体的，上述执行主体可以将所获得的图像特征直接确定为目标视频所对应的视频特征，也可以对所获得的图像特征进行处理，并将处理后的图像特征确定为目标视频所对应的视频特征。作为示例，上述执行主体可以对所获得图像特征进行融合，获得融合后的特征，进而将融合后的特征确定为目标视频所对应的视频特征。

在这里，特征提取网络可以包括用于提取图像特征的结构(例如卷积层)，当然也可以包括其他结构(例如池化层)，此处不做限制。

步骤403，将所获得的视频特征分别输入视频识别模型的至少两个标签生成模型，获得目标视频中的对象所对应的、包括至少两个标签的标签序列。

在本实施例中，视频识别模型还可以包括至少两个标签生成模型。至少两个标签生成模型可以用于生成等级不同的标签。可以理解的是，视频识别模型所包括的标签生成模型的个数可以与视频识别模型所输出的标签序列中的标签的个数相同。进而，上述执行主体可以将所获得的视频特征分别输入视频识别模型的至少两个标签生成模型，获得目标视频中的对象所对应的、包括至少两个标签的标签序列。

其中，标签可以用于表征对象所指示的内容。标签可以包括但不限于以下至少一项：文字、数字、符号、图片。标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

在本实施例中，对于至少两个标签生成模型中的每个标签生成模型，该标签生成模型可以与特征提取网络连接，用于基于特征提取网络输出的视频特征，生成标签。

需要说明的是，在这里，视频识别模型中的标签生成模型可以包括用于生成结果的结构(例如分类器、全连接层)，当然还可以包括其他结构(例如输出层)，此处不做限制。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了将包括对象的目标视频输入特征提取网络，获得目标视频的视频特征，并将所获得的视频特征作为共享特征，分别输入视频识别模型所包括的至少两个标签生成模型，进而获得标签序列的步骤。由此，本实施例描述的方案可以利用共享特征，生成标签序列，减小了模型的复杂程度，提高了信息生成的效率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成信息的装置500包括：视频获取单元501和序列生成单元502。其中，视频获取单元501被配置成获取包括对象的目标视频；序列生成单元502被配置成将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，其中，视频识别模型可以用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系。标签可以用于表征对象所指示的内容。标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

在本实施例中，用于生成信息的装置500的视频获取单元501可以通过有线连接方式或者无线连接方式获取包括对象的目标视频。其中，目标视频可以为待对其进行识别的视频。对象可以为拍摄获得目标视频时的拍摄内容所对应的影像，对象可以是各种事物的影像(即拍摄内容可以是各种事物)，例如人物影像、动物影像、行为影像等。

需要说明的是，视频获取单元501可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的、包括对象的目标视频，也可以获取预先存储于本地的、包括对象的目标视频。

在本实施例中，基于视频获取单元501得到的目标视频，序列生成单元502可以将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列。其中，标签可以用于表征对象所指示的内容。标签可以包括但不限于以下至少一项：文字、数字、符号、图片。标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

在本实施例中，视频识别模型可以用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系。视频识别模型可以包括用于生成不同等级的标签的结构(例如分类器)。在这里，用于生成不同等级的标签的结构的个数可以与所生成的标签序列中的标签的个数相对应。

在本实施例的一些可选的实现方式中，视频识别模型可以包括至少两个标签生成模型和特征提取网络，其中，至少两个标签生成模型可以用于生成等级不同的标签；以及序列生成单元502包括：特征生成模块(图中未示出)，被配置成将目标视频输入特征提取网络，获得目标视频的视频特征；序列生成模块(图中未示出)，被配置成将所获得的视频特征分别输入至少两个标签生成模型，获得目标视频中的对象所对应的、包括至少两个标签的标签序列。

在本实施例的一些可选的实现方式中，视频识别模型可以通过如下步骤训练得到：获取训练样本集，其中，训练样本可以包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签；对于训练样本集中的训练样本，基于预先建立的标签间的等级关系和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列；将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。

在本实施例的一些可选的实现方式中，将训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型，包括：从训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型；响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行训练步骤。

在本实施例的一些可选的实现方式中，基于所确定的损失值，确定初始模型是否训练完成，包括：对于实际标签序列中的实际标签，确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值；响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

在本实施例的一些可选的实现方式中，基于所确定的损失值，确定初始模型是否训练完成，包括：确定实际标签序列中的实际标签所对应的等级；获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值；将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

本申请的上述实施例提供的装置500通过视频获取单元501获取包括对象的目标视频，而后序列生成单元502将目标视频输入预先训练的视频识别模型，获得了目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容，从而可以针对视频中的对象，同时生成多级标签，提高了信息生成的多样性；另外，由于所生成的多级标签所对应的内容之间具有从属关系，因此，所生成的多级标签中的每级标签都可以对其他标签起到验证作用，进而提高了信息生成的准确性。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括视频获取单元和序列生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，视频获取单元还可以被描述为“获取包括对象的目标视频的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取包括对象的目标视频；将目标视频输入预先训练的视频识别模型，获得目标视频中的对象所对应的标签序列，其中，视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于生成信息的方法，包括：

获取包括对象的目标视频；

将所述目标视频输入预先训练的视频识别模型，获得所述目标视频中的对象所对应的标签序列，其中，所述视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

2.根据权利要求1所述的方法，其中，所述视频识别模型包括至少两个标签生成模型和特征提取网络，其中，所述至少两个标签生成模型用于生成等级不同的标签；以及

所述将所述目标视频输入预先训练的视频识别模型，获得所述目标视频中的对象所对应的标签序列，包括：

将所述目标视频输入所述特征提取网络，获得所述目标视频的视频特征；

将所获得的视频特征分别输入所述至少两个标签生成模型，获得所述目标视频中的对象所对应的、包括至少两个标签的标签序列。

3.根据权利要求1或2所述的方法，其中，所述视频识别模型通过如下步骤训练得到：

获取训练样本集，其中，训练样本包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签；

对于训练样本集中的训练样本，基于预先建立的标签间的等级关系和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列；

将所述训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。

4.根据权利要求3所述的方法，其中，所述将所述训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型，包括：

从所述训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型；

响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行所述训练步骤。

5.根据权利要求4所述的方法，其中，所述基于所确定的损失值，确定初始模型是否训练完成，包括：

对于实际标签序列中的实际标签，确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值；

响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

6.根据权利要求4所述的方法，其中，所述基于所确定的损失值，确定初始模型是否训练完成，包括：

确定实际标签序列中的实际标签所对应的等级；

获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值；

将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

7.一种用于生成信息的装置，包括：

视频获取单元，被配置成获取包括对象的目标视频；

序列生成单元，被配置成将所述目标视频输入预先训练的视频识别模型，获得所述目标视频中的对象所对应的标签序列，其中，所述视频识别模型用于表征包括对象的视频与视频中的对象所对应的标签序列的对应关系，标签用于表征对象所指示的内容，标签序列中的标签具有等级关系，等级低的标签所对应的内容属于等级高的标签所对应的内容。

8.根据权利要求7所述的装置，其中，所述视频识别模型包括至少两个标签生成模型和特征提取网络，其中，所述至少两个标签生成模型用于生成等级不同的标签；以及

所述序列生成单元包括：

特征生成模块，被配置成将所述目标视频输入所述特征提取网络，获得所述目标视频的视频特征；

序列生成模块，被配置成将所获得的视频特征分别输入所述至少两个标签生成模型，获得所述目标视频中的对象所对应的、包括至少两个标签的标签序列。

9.根据权利要求7或8所述的装置，其中，所述视频识别模型通过如下步骤训练得到：

获取训练样本集，其中，训练样本包括包括样本对象的样本视频和针对样本视频中的样本对象预先标注的样本标签；

对于训练样本集中的训练样本，基于预先建立的标签间的等级关系和该训练样本中的样本标签，确定该训练样本中的样本视频所对应的样本标签序列；

将所述训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型。

10.根据权利要求9所述的装置，其中，所述将所述训练样本集中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本标签序列作为期望输出，利用机器学习方法训练得到视频识别模型，包括：

从所述训练样本集中选取训练样本作为候选训练样本，以及基于候选训练样本，执行以下训练步骤：将候选训练样本的样本视频输入初始模型，获得所输入的样本视频所对应的实际标签序列，对于实际标签序列中的实际标签，确定该实际标签相对于该实际标签所对应的样本标签的损失值；基于所确定的损失值，确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练完成的初始模型确定为视频识别模型；

响应于确定初始模型未训练完成，调整初始模型中的相关参数，从未被选取的训练样本中选取训练样本作为新的候选训练样本，以及使用最近一次调整的初始模型作为初始模型且使用最近一次选取的候选训练样本作为候选训练样本，继续执行所述训练步骤。

11.根据权利要求10所述的装置，其中，所述基于所确定的损失值，确定初始模型是否训练完成，包括：

对于实际标签序列中的实际标签，确定该实际标签所对应的等级，以及确定该实际标签所对应的损失值是否小于等于针对所确定的等级预先设置的损失阈值；

响应于确定实际标签序列中的实际标签所对应的损失值均小于等于相对应的损失阈值，确定初始模型训练完成。

12.根据权利要求10所述的装置，其中，所述基于所确定的损失值，确定初始模型是否训练完成，包括：

确定实际标签序列中的实际标签所对应的等级；

获取针对不同等级的标签预先设置的权重，以及基于所获取的权重，对所确定的损失值进行加权求和处理，获得加权求和值；

将所获得的加权求和值确定为实际标签序列相对于样本标签序列的总损失值，以及响应于确定总损失值小于等于预先设置的总损失阈值，确定初始模型训练完成。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。