CN110046278B - 视频分类方法、装置、终端设备及存储介质 - Google Patents
视频分类方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN110046278B CN110046278B CN201910182107.5A CN201910182107A CN110046278B CN 110046278 B CN110046278 B CN 110046278B CN 201910182107 A CN201910182107 A CN 201910182107A CN 110046278 B CN110046278 B CN 110046278B
- Authority
- CN
- China
- Prior art keywords
- video
- label
- classification
- classification model
- classified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Abstract
本申请实施例提供了一种视频分类方法、装置、终端设备及存储介质。在本申请中,使用至少一个视频分类模型获取待分类视频的标签类型,确定至少一个标签分类模型,至少一个标签分类模型用于根据该标签类型获取待分类视频的分类标签,使用至少一个标签分类模型获取待分类视频的分类标签。通过本申请,在获取到待分类视频的标签类型之后,使用至少一个标签分类模型就可以获取到待分类视频的分类标签,无需使用所有的分类模型,从而相比于上述方法,本申请可以降低计算量,节省设备的计算资源。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种视频分类方法、装置、终端设备及存储介质。
背景技术
随着互联网的飞速发展,互联网上的视频呈现爆炸式增长,在这种情况下,视频的分类对于实现视频的管理以及兴趣推荐具有十分重要的作用。
通常情况下,市面上存在各种分类标签的视频,为了能够得到各个视频的分类标签,对于任意一种分类标签,需要训练用于对该分类标签对应的视频分类的分类模型,对于其他每一种分类标签,同样如此。
之后当需要得到某一视频的分类标签时,往往需要获取多个分类模型,每一个分类模型用于对一种分类标签对应的视频进行分类,然后使用每一个分类模型分别获取该视频的分类候选标签,然后再根据获取的分类候选标签筛选该视频的分类标签。
然而,上述方法需要使用每一种分类模型分别获取该视频的分类候选标签,计算量较大,会耗费设备较大的计算资源。
发明内容
为解决上述技术问题,本申请实施例示出了一种视频分类方法、装置、终端设备及存储介质。
第一方面,本申请实施例示出了一种视频分类方法,所述方法包括:
使用至少一个视频分类模型获取待分类视频的标签类型;
确定至少一个标签分类模型,所述标签分类模型用于根据所述标签类型获取所述待分类视频的分类标签;
使用所述至少一个标签分类模型获取所述待分类视频的分类标签。
在一个可选的实现方式中,所述确定至少一个标签分类模型,包括:
在预先设置的标签类型与标签分类模型之间的对应关系中,查找与所述标签类型相对应的标签分类模型。
在一个可选的实现方式中,所述视频分类模型包括级联的至少两个;
所述使用至少一个视频分类模型获取待分类视频的标签类型,包括:
将所述待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将所述视频分类模型中的上级分类模型的输出的标签类型输入至所述视频分类模型中,得到所述视频分类模型输出的标签类型,然后将级联顺序位于末位的视频分类模型输出的标签类型确定为所述待分类视频的标签类型。
在一个可选的实现方式中,所述标签分类模型为至少两个;
所述使用所述至少一个标签分类模型获取所述待分类视频的分类标签,包括:
使用每一个标签分类模型分别获取所述待分类视频的分类候选标签;
根据所述分类候选标签确定所述待分类视频的分类标签。
在一个可选的实现方式中,所述根据所述分类候选标签确定所述待分类视频的分类标签,包括:
确定各个分类候选标签之间的并集,并作为所述分类标签。
第二方面,本申请实施例示出了一种视频分类装置,所述装置包括:
第一获取模块,用于使用至少一个视频分类模型获取待分类视频的标签类型;
确定模块,用于确定至少一个标签分类模型,所述标签分类模型用于根据所述标签类型获取所述待分类视频的分类标签;
第二获取模块,用于使用所述至少一个标签分类模型获取所述待分类视频的分类标签。
在一个可选的实现方式中,所述确定模块具体用于:
在预先设置的标签类型与标签分类模型之间的对应关系中,查找与所述标签类型相对应的标签分类模型。
在一个可选的实现方式中,所述视频分类模型包括级联的至少两个;
所述第一获取模块包括:
第一输入单元,用于将所述待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
第二输入单元,用于对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将所述视频分类模型中的上级分类模型的输出的标签类型输入至所述视频分类模型中,得到所述视频分类模型输出的标签类型,第一确定单元,用于将级联顺序位于末位的视频分类模型输出的标签类型确定为所述待分类视频的标签类型。
在一个可选的实现方式中,所述标签分类模型为至少两个;
所述第二获取模块包括:
获取单元,用于使用每一个标签分类模型分别获取所述待分类视频的分类候选标签;
第二确定单元,用于根据所述分类候选标签确定所述待分类视频的分类标签。
在一个可选的实现方式中,所述第二确定单元具体用于:
确定各个分类候选标签之间的并集,并作为所述分类标签。
第三方面,本申请实施例示出了一种终端设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述任一项所述的视频分类方法。
第四方面,本申请实施例示出了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的视频分类方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请中,使用至少一个视频分类模型获取待分类视频的标签类型,确定至少一个标签分类模型,至少一个标签分类模型用于根据该标签类型获取待分类视频的分类标签,使用至少一个标签分类模型获取待分类视频的分类标签。
通过本申请,在获取到待分类视频的标签类型之后,使用至少一个标签分类模型就可以获取到待分类视频的分类标签,无需使用所有的分类模型,从而相比于上述方法,本申请可以降低计算量,节省设备的计算资源。
例如,假设一共有M分类模型,此时需要获取N个视频的分类标签。
在现有技术中,对于N个视频中的任意一个视频,需要使用每一个分类模型分别获取该视频的分类候选标签,再根据获取的分类候选标签筛选该视频的分类标签。总计算量为M*N。
而在本申请中,对于N个视频中的任意一个视频,使用M个分类模型中的一个视频分类模型获取该视频的标签类型,然后在M个分类模型中确定一个标签分类模型,在使用确定出的标签分类模型获取该视频的分类标签。总计算量为2*N。
因此,相比于现有技术,本申请可以降低计算量以及节省设备的计算资源。
附图说明
图1是本申请的一种视频分类方法实施例的步骤流程图;
图2是本申请的一种获取视频的标签类型的方法实施例的步骤流程图;
图3是本申请的一种视频分类装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种视频分类方法实施例的步骤流程图,该方法具体可以包括如下步骤:
在步骤S101中,使用至少一个视频分类模型获取待分类视频的标签类型;
在本申请中,一个视频具有至少一个分类标签,例如,第24期的综艺节目非诚勿扰的分类标签为“非诚勿扰第24期”、第03期的综艺节目跑男的分类标签为“跑男第03期”、电影变形金刚的分类标签为“变形金刚”、第13集的动漫柯南的分类标签为“柯南第13集”以及第05集的电视剧芈月传的分类标签为“芈月传第05集”等。
视频非诚勿扰和跑男属于综艺节目类型的视频,视频变形金刚属于电影类型的视频,视频芈月传属于电视剧类型的视频,视频柯南属于动漫类型的视频。
在本申请中,当需要获取待分类视频的分类标签时,可以先确定待分类视频的标签类型,也即,确定待分类视频属于哪一类型的视频,然后再根据该标签类型确定待分类视频的分类标签。
在本申请一个实施例中,事先可以获取样本视频集,样本视频集中包括至少一个标注有标签类型的样本视频,可以使用样本视频集中的样本视频对预设的神经网络模型进行训练,直至预设的神经网络模型中的权重均收敛,从而得到视频分类模型,例如,基于神经网络的视频分类模型。
预设的神经网络模型包括CNN(Convolutional Neural Networks,卷积神经网络)或LSTM(Long Short-Term Memory,是长短期记忆网络)等,本申请对此不加以限定。
如此,在本步骤中,可以使用视频分类模型获取待分类视频的标签类型。例如,将待分类视频输入至视频分类模型中,得到视频分类模型输出的标签类型,从而得到待分类视频的标签类型。
在本申请中,使用至少一个视频分类模型获取待分类视频的标签类型可能为一个,也可能为至少两个。
在步骤S102中,确定至少一个标签分类模型,标签分类模型用于根据该标签类型获取待分类视频的分类标签;
本申请中包括多个不同的标签类型,每一个标签类型下都有多个分类标签,在获取不同标签类型的视频的分类标签时需要基于不同的标签分类模型。
在本申请中,对于任意一个标签类型,事先可以训练出用于根据该标签类型获取视频的分类标签的标签分类模型,然后将该标签类型与训练出的该标签分类模型组成对应表项,并存储在预先设置的标签类型与标签分类模型之间的对应关系中。对于其他每一个标签类型,同样执行上述操作。
如此,在本步骤中,可以在预先设置的标签类型与标签分类模型之间的对应关系中,查找与该标签类型相对应的标签分类模型。
在步骤S103中,使用至少一个标签分类模型获取待分类视频的分类标签。
在本申请另一实施例中,确定出的标签分类模型可能为至少两个;如此,在本步骤中,可以使用每一个标签分类模型分别获取待分类视频的分类候选标签;然后,根据分类候选标签确定待分类视频的分类标签。例如,确定各个分类候选标签之间的并集,并作为分类标签。
在本申请中,使用至少一个视频分类模型获取待分类视频的标签类型,确定至少一个标签分类模型,至少一个标签分类模型用于根据该标签类型获取待分类视频的分类标签,使用至少一个标签分类模型获取待分类视频的分类标签。
通过本申请,在获取到待分类视频的标签类型之后,使用至少一个标签分类模型就可以获取到待分类视频的分类标签,无需使用所有的分类模型,从而相比于上述方法,本申请可以降低计算量,节省设备的计算资源。
例如,假设一共有M分类模型,此时需要获取N个视频的分类标签。
在现有技术中,对于N个视频中的任意一个视频,需要使用每一个分类模型分别获取该视频的分类候选标签,再根据获取的分类候选标签筛选该视频的分类标签。总计算量为M*N。
而在本申请中,对于N个视频中的任意一个视频,使用M个分类模型中的一个视频分类模型获取该视频的标签类型,然后在M个分类模型中确定一个标签分类模型,在使用确定出的标签分类模型获取该视频的分类标签。总计算量为2*N。
因此,相比于现有技术,本申请可以降低计算量以及节省设备的计算资源。
通常情况下,市面上存在各种标签类型的视频,为了能够得到各个视频的标签类型,对于任意一种标签类型,需要训练用于确定该标签类型的视频的标签类型的分类模型,对于其他每一种标签类型,同样如此。
之后当需要确定某一视频的标签类型时,往往需要获取多个分类模型,每一个分类模型分别用于确定一个标签类型的视频的标签类型,然后使用多个分类模型分别获取该视频的标签候选类型,然后再根据获取的标签候选类型筛选该视频的标签类型。
然而,上述方法需要获取多个分类模型,然后使用多个分类模型分别获取该视频的标签候选类型,计算量较大,会耗费设备较大的计算资源。
在本申请中,视频分类模型用于获取视频的标签类型,有时候,视频的标签类型有很多级联的情况,例如,对于视频第05集的电视剧芈月传,“芈月传第05集”是该视频的分类标签,而“电视剧”是该视频的一个标签类型,“芈月传”也是该视频的一个标签类型,且这两个标签类型的级联的,“电视剧”是上级标签类型,“芈月传”是下级标签类型。
如此,在前述实施例中,是根据该视频直接获取该视频的下级标签类型“芈月传”,之后再根据该视频的下级分类标签“芈月传”获取该视频的分类标签。
为了降低计算量,节省设备的计算资源,在本申请另一实施例中,可以先根据该视频获取该视频的上级标签类型“电视剧”,然后,再根据该视频的上级标签类型“电视剧”以及该视频获取该视频的下级分类标签“芈月传”,例如,参见图2,视频分类模型包括级联的至少两个;步骤S101包括:
在步骤S201中,将待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
在步骤S202中,对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将视频分类模型中的上级分类模型的输出的标签类型输入至视频分类模型中,得到视频分类模型输出的标签类型,然后将级联顺序位于末位的视频分类模型输出的标签类型确定为待分类视频的标签类型。
其中,事先可以将标签类型按照级联关系进行归类,得到一级标签类型以及二级标签类型等等,当然,可以有更多级别的标签类型,本申请对此不加以限定。
例如,“电视剧”、“电影”、“综艺节目”以及“动漫”可以归类为一级标签,“芈月传”、“变形金刚”、“跑男”以及“柯南”等可以归类为二级标签。
本申请以标签类型包括一级标签类型和二级标签类型进行举例说明,但不作为对本申请保护范围的限制。
在本申请一个实施例中,事先可以获取样本视频集,样本视频集中包括至少一个标注有一级标签类型的样本视频,可以使用样本视频集中的样本视频对预设的神经网络模型进行训练,直至预设的神经网络模型中的权重均收敛,从而得到上级视频分类模型,例如,基于神经网络的上级视频分类模型。
其次,事先可以也获取另一样本视频集,另一样本视频集中包括至少一个标注有一级标签类型和二级标签类型的样本视频,可以使用另一样本视频集中的样本视频对预设的神经网络模型进行训练,直至预设的神经网络模型中的权重均收敛,从而得到下级视频分类模型,例如,基于神经网络的下级视频分类模型。
预设的神经网络模型包括CNN或LSTM等,本申请对此不加以限定。
如此,可以将待分类视频输入至上级视频分类模型中,得到上级视频分类模型输出的待分类视频的一级标签类型,然后将该视频和该视频的第一标签类型输入至下级视频分类模型中,得到下级视频分类模型输出的待分类视频的二级标签类型。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图3,示出了本申请一种视频分类装置实施例的结构框图,该装置具体可以包括如下模块:
第一获取模块11,用于使用至少一个视频分类模型获取待分类视频的标签类型;
确定模块12,用于确定至少一个标签分类模型,所述标签分类模型用于根据所述标签类型获取所述待分类视频的分类标签;
第二获取模块13,用于使用所述至少一个标签分类模型获取所述待分类视频的分类标签。
在一个可选的实现方式中,所述确定模块12具体用于:
在预先设置的标签类型与标签分类模型之间的对应关系中,查找与所述标签类型相对应的标签分类模型。
在一个可选的实现方式中,所述视频分类模型包括级联的至少两个;
所述第一获取模块11包括:
第一输入单元,用于将所述待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
第二输入单元,用于对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将所述视频分类模型中的上级分类模型的输出的标签类型输入至所述视频分类模型中,得到所述视频分类模型输出的标签类型,第一确定单元,用于将级联顺序位于末位的视频分类模型输出的标签类型确定为所述待分类视频的标签类型。
在一个可选的实现方式中,所述标签分类模型为至少两个;
所述第二获取模块13包括:
获取单元,用于使用每一个标签分类模型分别获取所述待分类视频的分类候选标签;
第二确定单元,用于根据所述分类候选标签确定所述待分类视频的分类标签。
在一个可选的实现方式中,所述第二确定单元具体用于:
确定各个分类候选标签之间的并集,并作为所述分类标签。
在本申请中,使用至少一个视频分类模型获取待分类视频的标签类型,确定至少一个标签分类模型,至少一个标签分类模型用于根据该标签类型获取待分类视频的分类标签,使用至少一个标签分类模型获取待分类视频的分类标签。
通过本申请,在获取到待分类视频的标签类型之后,使用至少一个标签分类模型就可以获取到待分类视频的分类标签,无需使用所有的分类模型,从而相比于上述方法,本申请可以降低计算量,节省设备的计算资源。
例如,假设一共有M分类模型,此时需要获取N个视频的分类标签。
在现有技术中,对于N个视频中的任意一个视频,需要使用每一个分类模型分别获取该视频的分类候选标签,再根据获取的分类候选标签筛选该视频的分类标签。总计算量为M*N。
而在本申请中,对于N个视频中的任意一个视频,使用M个分类模型中的一个视频分类模型获取该视频的标签类型,然后在M个分类模型中确定一个标签分类模型,在使用确定出的标签分类模型获取该视频的分类标签。总计算量为2*N。
因此,相比于现有技术,本申请可以降低计算量以及节省设备的计算资源。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可选的,本申请还提供一种终端设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述视频分类方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
可选的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的视频分类方法的步骤。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种视频分类方法、装置、终端设备及存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种视频分类方法,其特征在于,所述方法包括:
使用至少一个视频分类模型获取待分类视频的标签类型;
确定至少一个标签分类模型,包括:在预先设置的标签类型与标签分类模型之间的对应关系中,查找与所述标签类型相对应的标签分类模型,其中,所述标签分类模型用于根据所述标签类型获取所述待分类视频的分类标签;
使用所述至少一个标签分类模型获取所述待分类视频的分类标签;
其中,所述至少一个视频分类模型和所述至少一个标签分类模型均为事先经过训练得到的模型。
2.根据权利要求1所述的方法,其特征在于,所述视频分类模型包括级联的至少两个;
所述使用至少一个视频分类模型获取待分类视频的标签类型,包括:
将所述待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将所述视频分类模型中的上级分类模型的输出的标签类型输入至所述视频分类模型中,得到所述视频分类模型输出的标签类型,然后将级联顺序位于末位的视频分类模型输出的标签类型确定为所述待分类视频的标签类型。
3.根据权利要求1所述的方法,其特征在于,所述标签分类模型为至少两个;
所述使用所述至少一个标签分类模型获取所述待分类视频的分类标签,包括:
使用每一个标签分类模型分别获取所述待分类视频的分类候选标签;
根据所述分类候选标签确定所述待分类视频的分类标签。
4.根据权利要求3所述的方法,其特征在于,所述根据所述分类候选标签确定所述待分类视频的分类标签,包括:
确定各个分类候选标签之间的并集,并作为所述分类标签。
5.一种视频分类装置,其特征在于,所述装置包括:
第一获取模块,用于使用至少一个视频分类模型获取待分类视频的标签类型;
确定模块,用于确定至少一个标签分类模型,所述确定模块具体用于:在预先设置的标签类型与标签分类模型之间的对应关系中,查找与所述标签类型相对应的标签分类模型,其中,所述标签分类模型用于根据所述标签类型获取所述待分类视频的分类标签;
第二获取模块,用于使用所述至少一个标签分类模型获取所述待分类视频的分类标签;
其中,所述至少一个视频分类模型和所述至少一个标签分类模型均为事先经过训练得到的模型。
6.根据权利要求5所述的装置,其特征在于,所述视频分类模型包括级联的至少两个;
所述第一获取模块包括:
第一输入单元,用于将所述待分类视频输入至级联顺序位于首位的视频分类模型中,得到位于首位的视频分类模型输出的标签类型;
第二输入单元,用于对于至少两个视频分类模型中的除位于首位的视频分类模型以外的每一个视频分类模型,将所述视频分类模型中的上级分类模型的输出的标签类型输入至所述视频分类模型中,得到所述视频分类模型输出的标签类型,第一确定单元,用于将级联顺序位于末位的视频分类模型输出的标签类型确定为所述待分类视频的标签类型。
7.根据权利要求5所述的装置,其特征在于,所述标签分类模型为至少两个;
所述第二获取模块包括:
获取单元,用于使用每一个标签分类模型分别获取所述待分类视频的分类候选标签;
第二确定单元,用于根据所述分类候选标签确定所述待分类视频的分类标签。
8.根据权利要求7所述的装置,其特征在于,所述第二确定单元具体用于:
确定各个分类候选标签之间的并集,并作为所述分类标签。
9.一种终端设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的视频分类方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的视频分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910182107.5A CN110046278B (zh) | 2019-03-11 | 2019-03-11 | 视频分类方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910182107.5A CN110046278B (zh) | 2019-03-11 | 2019-03-11 | 视频分类方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110046278A CN110046278A (zh) | 2019-07-23 |
CN110046278B true CN110046278B (zh) | 2021-10-15 |
Family
ID=67273671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910182107.5A Active CN110046278B (zh) | 2019-03-11 | 2019-03-11 | 视频分类方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046278B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112948631A (zh) * | 2019-12-11 | 2021-06-11 | 北京金山云网络技术有限公司 | 视频标签生成方法、装置及电子终端 |
CN111274442B (zh) * | 2020-03-19 | 2023-10-27 | 聚好看科技股份有限公司 | 确定视频标签的方法、服务器及存储介质 |
CN111753790B (zh) * | 2020-07-01 | 2023-12-12 | 武汉楚精灵医疗科技有限公司 | 一种基于随机森林算法的视频分类方法 |
CN113033707B (zh) * | 2021-04-25 | 2023-08-04 | 北京有竹居网络技术有限公司 | 视频分类方法、装置、可读介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131627A (zh) * | 2016-07-07 | 2016-11-16 | 腾讯科技(深圳)有限公司 | 一种视频处理方法、装置及系统 |
CN108446649A (zh) * | 2018-03-27 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于告警的方法及装置 |
CN108960110A (zh) * | 2018-06-26 | 2018-12-07 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109117777A (zh) * | 2018-08-03 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 生成信息的方法和装置 |
CN109190482A (zh) * | 2018-08-06 | 2019-01-11 | 北京奇艺世纪科技有限公司 | 多标签视频分类方法及系统、系统训练方法及装置 |
CN109376268A (zh) * | 2018-11-27 | 2019-02-22 | 北京微播视界科技有限公司 | 视频分类方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6847682B2 (en) * | 2002-02-01 | 2005-01-25 | Hughes Electronics Corporation | Method, system, device and computer program product for MPEG variable bit rate (VBR) video traffic classification using a nearest neighbor classifier |
US8103646B2 (en) * | 2007-03-13 | 2012-01-24 | Microsoft Corporation | Automatic tagging of content based on a corpus of previously tagged and untagged content |
KR20190007816A (ko) * | 2017-07-13 | 2019-01-23 | 삼성전자주식회사 | 동영상 분류를 위한 전자 장치 및 그의 동작 방법 |
CN108090497B (zh) * | 2017-12-28 | 2020-07-07 | Oppo广东移动通信有限公司 | 视频分类方法、装置、存储介质及电子设备 |
CN108629326A (zh) * | 2018-05-14 | 2018-10-09 | 中国科学院自动化研究所 | 目标体的动作行为识别方法及装置 |
-
2019
- 2019-03-11 CN CN201910182107.5A patent/CN110046278B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131627A (zh) * | 2016-07-07 | 2016-11-16 | 腾讯科技(深圳)有限公司 | 一种视频处理方法、装置及系统 |
CN108446649A (zh) * | 2018-03-27 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于告警的方法及装置 |
CN108960110A (zh) * | 2018-06-26 | 2018-12-07 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109117777A (zh) * | 2018-08-03 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 生成信息的方法和装置 |
CN109190482A (zh) * | 2018-08-06 | 2019-01-11 | 北京奇艺世纪科技有限公司 | 多标签视频分类方法及系统、系统训练方法及装置 |
CN109376268A (zh) * | 2018-11-27 | 2019-02-22 | 北京微播视界科技有限公司 | 视频分类方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110046278A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046278B (zh) | 视频分类方法、装置、终端设备及存储介质 | |
CN106649316B (zh) | 一种视频推送方法及装置 | |
AU2014201827B2 (en) | Scoring concept terms using a deep network | |
CN103440243B (zh) | 一种教学资源推荐方法及其装置 | |
CN109800328B (zh) | 视频推荐方法、其装置、信息处理设备及存储介质 | |
US20170193531A1 (en) | Intelligent Digital Media Content Creator Influence Assessment | |
CN112153426A (zh) | 一种内容账号管理方法、装置、计算机设备及存储介质 | |
CN111046188A (zh) | 用户偏好度确定方法、装置、电子设备及可读存储介质 | |
CN108540860B (zh) | 一种视频召回方法和装置 | |
CN108595526B (zh) | 资源推荐方法及装置 | |
CN110990523A (zh) | 一种法律文书的确定方法及系统 | |
CN108228869B (zh) | 一种文本分类模型的建立方法及装置 | |
CN111026910B (zh) | 视频推荐方法、装置、电子设备及计算机可读存储介质 | |
CN108446296B (zh) | 一种信息处理方法及装置 | |
CN108764021B (zh) | 一种作弊视频识别方法和装置 | |
CN110188277A (zh) | 一种资源的推荐方法及装置 | |
CN112905451B (zh) | 应用程序的自动化测试方法及装置 | |
CN109559141A (zh) | 一种创意样式的自动分类方法、装置及系统 | |
CN111178925B (zh) | 用户画像的属性预测方法、装置、服务器和计算机可读介质 | |
CN112801053A (zh) | 视频数据处理方法、装置 | |
CN110019771B (zh) | 文本处理的方法及装置 | |
JP2008204007A (ja) | 画像辞書生成方法及び装置及びプログラム | |
CN112749313A (zh) | 标签标注方法、装置、计算机设备和存储介质 | |
CN111491198B (zh) | 一种小视频搜索方法和装置 | |
US11762928B2 (en) | Feature recommendation based on user-generated content |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |