CN110121077A - 一种题目生成方法、装置及设备 - Google Patents
一种题目生成方法、装置及设备 Download PDFInfo
- Publication number
- CN110121077A CN110121077A CN201910367160.2A CN201910367160A CN110121077A CN 110121077 A CN110121077 A CN 110121077A CN 201910367160 A CN201910367160 A CN 201910367160A CN 110121077 A CN110121077 A CN 110121077A
- Authority
- CN
- China
- Prior art keywords
- topic
- image
- film
- result
- broadcasting pictures
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 19
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 11
- 235000017491 Bambusa tulda Nutrition 0.000 description 11
- 241001330002 Bambuseae Species 0.000 description 11
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 11
- 239000011425 bamboo Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 241001465754 Metazoa Species 0.000 description 10
- 208000025174 PANDAS Diseases 0.000 description 8
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 8
- 240000004718 Panda Species 0.000 description 8
- 235000016496 Panda oleosa Nutrition 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 3
- 235000011613 Pinus brutia Nutrition 0.000 description 3
- 241000018646 Pinus brutia Species 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 241000124033 Salix Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000009328 Perro Species 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
- H04N21/2353—Processing of additional data, e.g. scrambling of additional data or processing content descriptors specifically adapted to content descriptors, e.g. coding, compressing or processing of metadata
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4758—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for providing answers, e.g. voting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种题目生成方法、装置及设备。方案包括:按照设定时间截取电影播放画面;根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;将所述题目发送至客户端。通过上述方法,可以根据电影的播放进度动态生成题目,提高用户体验,同时可以减少工作量,提高效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种题目生成方法、装置及设备。
背景技术
现有技术中,在直播间播放电影是一种提高有电影爱好的直播用户的活跃度的有效方式,直播间电影播放画面用户不可控,而且用户进入具有随机性。在电影直播间增加有趣的玩法可进一步留住用户,提高活跃。在电影直播间玩答题并给用户一定的奖励是一种有效的玩法,但答题的题目需要跟电影播放画面、播放内容相关,才能有效吸引用户,手动生成文本类型的题目运营工作量大、容易泄题,需要手动调整题目随电影情节出现的时机。
发明内容
有鉴于此,本申请实施例提供了一种题目生成方法、装置及设备,可以根据电影的播放进度动态生成题目,提高用户体验,同时可以减少工作量,提高效率。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种题目生成方法,包括:
按照设定时间截取电影播放画面;
根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
将所述题目发送至客户端。
可选的,所述根据所述电影播放画面的识别结果生成题目,具体包括:
构建图像识别模型;
将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果;
根据所述识别结果生成题目。
可选的,所述构建图像识别模型,具体包括:
针对第一图像分类标签,获取图像样本集;
通过卷积神经网络对所述图像样本集中的图像进行训练,生成所述第一图像分类标签的图像识别模型,所述第一图像分类标签的图像识别模型用于识别图像是否属于所述第一图像分类标签。
可选的,将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分大于第一设定分数的第一输出结果;
确定所述第一输出结果为所述电影播放画面的识别结果。
可选的,当所述第一输出结果为多个时,所述确定所述第一输出结果为所述电影播放画面的识别结果,具体包括:
将所述识别得分最高的第一输出结果确定为所述电影播放画面的识别结果。
可选的,所述将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分最高的第二输出结果;
判断所述第二输出结果的识别得分是否大于第二设定分数,得到第一判断结果;
当所述第一判断结果表示所述第二输出结果的识别得分大于所述第二设定分数时,确定所述第二输出结果为所述电影播放画面的识别结果。
可选的,所述根据所述识别结果生成题目,具体包括:
获取所述识别结果对应的图像识别模型的第二图像分类标签;
调取所述第二图像分类标签对应的题目生成策略;
根据所述识别种类和所述题目生成策略生成题目,所述题目包括:题干和选项,所述选项至少包括所述识别种类。
可选的,所述将所述题目发送至客户端,具体包括:
获取所述电影播放画面的截取时间;
根据所述截取时间确定推送时间;
在直播间公屏画面按照所述推送时间显示所述题目,用来提示用户进行答题获取奖励。
可选的,所述方法还包括:
确定第三输出结果,所述第二输出结果的识别得分大于第三设定分数,所述第三设定分数大于所述第一设定分数;
获取所述第三输出结果对应的图像识别模型的第三图像分类标签;
将所述电影播放画面回收至所述第三图像分类标签对应的图像识别模型的图像样本集中,用于修正所述第三图像分类标签的图像识别模型。
一种题目生成装置,包括:
截取模块,用于按照设定时间截取电影播放画面;
题目生成模块,用于根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
题目发送模块,用于将所述题目发送至客户端。
一种题目生成设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述题目生成方法。
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指令,所述指令被处理器执行时实现所述题目生成方法的方法步骤。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:对截取的电影播放画面进行识别,然后根据识别结果生成题目,然后推送给用户。本实施例提供的方法可以根据电影的播放进度动态生成题目,提高用户体验,同时可以减少工作量,提高效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种题目生成方法的流程示意图;
图2为本说明书实施例1提供的一种题目生成方法的流程示意图;
图3为采用本说明书实施例1提供的题目生成方法生成的题目的显示界面示意图;
图4本说明书实施例提供的对应于图1的一种题目生成装置的结构示意图;
图5为本说明书实施例提供的对应于图1的一种题目生成设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在直播间播放电影是一种提高有电影爱好的直播用户的活跃度的有效方式,直播间电影播放进度用户不可控,而且用户进入具有随机性。因此,用户的互动性比较差。为了提高用户的参与度,可以根据电影情节生成一些答题题目,供用户参与。然后根据用户的答题情况给予用户一些奖励。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的题目生成方法的流程示意图。从程序角度而言,流程的执行主体可以为搭载于应用服务器的程序或应用客户端。
如图1所示,该流程可以包括以下步骤:
S101:按照设定时间截取电影播放画面。
在本说明书实施例中,电影一直在播放之中,为了配合播放进度,可以设置截取电影播放画面的时间,可以是固定的时间间隔,如5分钟截取一次,或者10分钟截取一次。
截取电影播放画面的时间还可以根据实际需要进行调整,如,可以根据电影直播间的用户访问量进行调整,当用户访问量多时,可以缩短时间间隔,从5分钟截取一次电影播放画面,缩短到3分钟截取一次电影播放画面。这样可以调动用户的参与热情。
另外,在电影的不同时段还可以设置不同的时间间隔。一个电影在开始阶段一般是在进行铺垫,情节变化慢,观看者的关注度不高,此时,可以将时间间隔设置的长一点。而随着电影的情节的发展,即电影中后部,情节比较紧凑,观看这的关注度也高,此时可以将时间间隔设置的短一点。
S102:根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题。
在本说明书实施例中,当截取了电影播放画面以后,可以先对电影播放画面进行识别,识别出电影播放画面的播放内容,然后根据播放内容来生成针对所述电影播放画面的题目。
在本说明书实施例中,所述识别结果为对所述电影播放画面的播放内容进行识别的结果。可以根据多种方法确定所述电影播放画面的识别结果,可以采用现有的图像识别算法或者模型对电影播放画面进行识别,还可以进行采用现有的图库中的图像与之一一,从而得到识别结果。识别结果可以是某些标签,如植物、动物或者人物,还可以是具体的动植物种类以及识别得分,如,松树,92分。然后根据识别结果来生成对应的题目,题目是针对电影播放画面的播放内容设置的问题,可以将所述题目的正确答案设置为所述播放内容。例如,题目可以是选择题,比如识别结果植物类,可以生成如下题目:给一个画面帧(即截取的电影播放画面),标出里面的植物,然后题干如下:XX分XX秒时出现了如下画面,画面里的植物名称是什么?A aaa B bbb C ccc。
S103:将所述题目发送至客户端。
在本说明书实施例中,生成题目以后,将题目发送至题目推送系统,然后题目推送系统将题目发送至客户端。可以通过公屏将上述信息显示出来,所有进入直播间的用户都可以看到,并参与答题。
图1中的方法,通过对截取的电影播放画面进行识别,然后根据识别结果生成题目,然后推送给用户。本实施例提供的方法可以根据电影的播放进度动态生成题目,提高用户体验,同时可以减少工作量,提高效率。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
可选的,所述根据所述电影播放画面的识别结果生成题目,具体包括:
构建图像识别模型;
将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果;
根据所述识别结果生成题目。
在本说明书实施例中,可以根据事先构建好的图像识别模型来对电影播放画面进行识别。图像识别模型可以包括多种类型,可以根据不同的标签进行分类。例如,针对动物、植物或者人物,可以有不同的图像识别模型。一种图像识别模型只用来识别一种标签的图像。
在说明书实施例中,电影播放画面的识别结果有很多种,可以是电影播放画面的标签,如植物,动物,衣服等;还可以是具体的动植物的种类,如松树、杨树、熊猫、狗等。另外,还可以包括标签或者标签具体种类的识别得分。如熊猫80分。其中,80分为识别得分,表示图像识别模型识别出的电影播放画面中的熊猫的识别度为80分。
根据识别结果生成题目,对于不同的识别结果可以调用不同的策略。如果识别结果是针对植物的,可以调用植物的题目生成策略。如果识别结果是针对动物,可以调用动物的题目生成策略。每一种标签的题目生成策略也可以是多种。其中,题目生成策略是预先存储起来的,然后根据电影播放画面的不同识别结果来调用不同的题目生成策略来生成题目。
可选的,所述构建图像识别模型,具体可以包括:
针对第一图像分类标签,获取图像样本集;
通过卷积神经网络对所述图像样本集中的图像进行训练,生成所述第一图像分类标签的图像识别模型,所述第一图像分类标签的图像识别模型用于识别图像是否属于所述第一图像分类标签。
在本说明书实施例中,在构建图像识别模型中,服务器根据图像分类标签,从图像数据集中读取对应的图像样本集,通过卷积神经网络进行训练,得到该图像分类标签的图像识别模型。本说明书实施例中的图像数据集采用公开的ImageNet图像集。本说明书实施例采用大量的图像样本集进行训练,得到准确率高的图像识别模型,采用本说明书实施例得到的图像识别模型可以对多种电影的电影播放画面进行有效识别。
在本说明书实施例中,所述的“第一”、“第二”、“第三”只是为了进行区分,防止概念混淆,并不具有实际意义。
可选的,将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体可以包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分大于第一设定分数的第一输出结果;
确定所述第一输出结果为所述电影播放画面的识别结果。
在本说明书实施例中,由于同一电影播放画面可能同时包括植物和动物,也可能包括多种动物或者植物。因此,针对同一电影播放画面,不同图像分类标签的图像识别模型会有不同的输出结果。而且,一种图像识别模型可以有一个输出结果,也可以有多个输出结果。如针对动物的图像识别模型的输出结果可以是熊猫91分,熊50分。
针对这么多的输出结果,需要根据一些策略进行一些筛选。比如,只有识别得分大于第一设定分数的时候,才可以确定识别结果的准确性,大于第一设定分数可以了解为落入模型识别成功得分区间。比如,第一设定分数为90分,那么只有大于90分的识别种类才算有效的识别。那么上例的“熊50分”就会被丢掉,而将输出结果“熊猫91分”确定为电影播放画面的识别结果。
可选的,当所述第一输出结果为多个时,所述确定所述第一输出结果为所述电影播放画面的识别结果,具体可以包括:
将所述识别得分最高的第一输出结果确定为所述电影播放画面的识别结果。
在本说明书实施例中,经过初次筛选以后,满足条件的第一输出结果可能还有多个,还需要进行第二次筛选。为了提高识别的准确率,本说明书实施例将识别得分最高的第一输出结果确定为识别结果。如,熊猫91分,竹子95分,那么则将“竹子95分”作为识别结果。
可选的,所述将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体可以包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分最高的第二输出结果;
判断所述第二输出结果的识别得分是否大于第二设定分数,得到第一判断结果;
当所述第一判断结果表示所述第二输出结果的识别得分大于所述第二设定分数时,确定所述第二输出结果为所述电影播放画面的识别结果。
在说明书实施例中,还提供了一种确定电影播放画面的识别结果的方法。首先筛选识别得分最高的第二输出结果,然后判断第二输出结果的识别得分是否大于第二设定分数,如果是,则将第二输出结果确定为识别结果。如果否,则认为识别失败,无法通过图像识别模型对电影播放画面进行有效的识别。
在本说明书实施例中,第二设定分数中的“第二”没有实际含义,第二设定分数可以和第一设定分数相同,也可以不相同。具体的数值可以根据图像识别模型的准确率来确定。如输出结果为:熊50分,熊猫91分,竹子95分,则确定“竹子95分”作为第二输出结果。当第二设定分数为90分时,“竹子95分”可以确定为所述电影播放画面的识别结果。当设定分数高于95分时,则识别失败。
可选的,所述根据所述识别结果生成题目,具体可以包括:
获取所述识别结果对应的图像识别模型的第二图像分类标签;
调取所述第二图像分类标签对应的题目生成策略;
根据所述识别种类和所述题目生成策略生成题目,所述题目包括:题干和选项,所述选项至少包括所述识别种类。
在本说明书实施例中,根据识别结果生成题目通常会根据识别结果的不同而有所差别。因此在确定了识别结果之后,需要确定识别结果对应的图像识别模型是哪一个,即确定是哪一个图像分类标签的图像识别模型给出的识别结果。如果识别结果为“熊猫91分”,那么则需要调用动物的题目生成策略来生成题目。如果识别结果为“竹子95分”,那么则需要调用植物的题目生成策略来生成题目。其中,题目生成策略是预先存储的。
在本说明书实施例中,生成的题目包括题干和选项。题干可以是针对识别种类进行的提问,当识别结果为“竹子95分”,可以生成如下题目:给出一个画面帧(即截取的电影播放画面),标出里面的竹子,然后题干如下:XX分XX秒时出现了如下画面,画面里的植物名称是什么?A松树B竹子C竹笋。选项中必须包括竹子。其他的选项可以随机生成,也可以根据其他图像识别模型的其他输出结果生成。
可选的,所述将所述题目发送至客户端,具体可以包括:
获取所述电影播放画面的截取时间;
根据所述截取时间确定推送时间;
在直播间公屏画面按照所述推送时间显示所述题目,用来提示用户进行答题获取奖励。
在本说明书实施例中,如果截取时间是设定好的,则可以直接获取电影播放画面对应的截取时间,如果截取时间是随机的,那么在截取电影播放画面的时候可以存储截取时间,也可以获取相应的电影播放画面的截取时间。
在本说明书实施例中,为了提高与用户的互动效果,题目的推送时间与截取时间时间不能离得太远。那么则可以在截取时间的基础上加上一定的时间间隔,得到题目的推送时间。时间间隔可以根据需要设置,如1分钟、2分钟和3分钟等。这里不做具体的限定。经过多次试验,时间间隔设置为1-120秒最佳。
可选的,所述方法还可以包括:
获取第三输出结果,所述第三输出结果的识别得分大于第三设定分数,所述第三设定分数大于所述第一设定分数;
获取所述第三输出结果对应的图像识别模型的第三图像分类标签;
将所述电影播放画面回收至所述第三图像分类标签对应的图像识别模型的图像样本集中,用于修正所述第三图像分类标签的图像识别模型。
在本说明书实施例中,截取的电影播放画面还可以用来丰富图像样本集,这需要电影播放画面对应的图像识别模型的输出结果满足一定的条件。如识别得分需要大于第三设定分数,大于第三设定分数可以理解为入图像集得分区间。第一设定分数可以理解为成功识别的分数,而图像样本集中的图像的识别要求更高,因此,第三设定分数要大于第一设定分数。例如,第一设定分数为90,那么第三设定分数可以设定为95分。只有识别得分大于95分的图像播放画面,才可以放到对应标签的图像样本集中。例如,某一个电影播放画面对应的输出结果为“柳树96分”,柳树属于植物,则可以将该电影播放画面放入植物对应的图像样本集中来进一步修正植物的图像识别模型,来提高图像识别模型对植物的识别率。
图2为本说明书实施例1提供的一种题目生成方法的流程示意图。如图2所示,服务器读取答题策略列表(AnswerStrategy,以下简称AS),AS包含识别:
1)图像识别分类标签,该标签用于从图像数据集中获取该策略对应的图像样本集,用于图像识别模型的训练;
2)图像识别配置信息,包括模型识别成功得分区间,入图像集得分区间;
3)题目生成方法,该方法定义识别出该策略下的图像后生成什么类型的题目,比如植物类答题策略,识别出植物后,生成如下题目给一个画面帧,标出里面的植物,然后出题如下:XX分XX秒时出现了如下画面,画面里的植物名称是什么?A aaa B bbb C ccc。并按照截图时间计算该题目出现的时间,一般都是按照电影时间进度延后1-120秒。
4)答题正确后的奖励信息,不同AS生成的题目难易程度不同,可配置不同价值的奖品或者分数。
所述方法包括如下步骤:
步骤1:服务器读取AS里的图像分类标签从图像数据集中读取对应的图像样本集,通过卷积神经网络进行训练,得到该策略的图像识别模型;
本方案默认图像数据集采用公开的ImageNet图像集,并会将训练结果按照配置策略加入到图像样本集,来丰富训练素材。
步骤2:服务器截取直播电影频道的直播流,按照指定时间间隔截取画面帧,输入不同策略的图像识别模型计算得分,如果得分在策略设置的区间内,则识别成功,调用策略生成对应的答题题目;
步骤3:如果该画面帧得分在入图像集得分区间,则该图像会并入该分类标签的图像数据级参与模型训练;
步骤4:生成的答题题目,包含了题干,答题选择项,以及题目推送时间,输出到答题系统,定时推到客户端。
本说明书实施例通过预先训练好的图像内容识别模型,识别截取的电影画面帧,从画面中找到符合图像识别模型的元素,每一种图像识别模型对应一种或多种电影答题题目生成策略,识别出元素后,将元素及对应的画面帧通过不同的策略生成出电影答题题目,包括题干、选项和答案、以及按照画面时间给出题目推送的时机。答题系统按照推送时间将生成的题目推送到用户端,由用户进行答题操作,用户提交后,后台判题并提示用户结果信息。
图3为采用本说明书实施例1提供的题目生成方法生成的题目的显示界面示意图。如图3所示,在电影直播间的左下角出现题目“19分20秒时出现了如下画面,画面里有几个人?A3B4C5”。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图4本说明书实施例提供的对应于图1的一种题目生成装置的结构示意图。
如图4所示,该装置可以包括:
截取模块401,用于按照设定时间截取电影播放画面;
题目生成模块402,用于根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
题目发送模块403,用于将所述题目发送至客户端。
可选的,所述题目生成模块402,具体可以包括:
构建单元,用于构建图像识别模型;
识别结果输出单元,用于将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果;
题目生成单元,用于根据所述识别结果生成题目。
可选的,所述构建单元,具体可以包括:
图像样本集获取子单元,用于针对第一图像分类标签,获取图像样本集;
训练子单元,用于通过卷积神经网络对所述图像样本集中的图像进行训练,生成所述第一图像分类标签的图像识别模型,所述第一图像分类标签的图像识别模型用于识别图像是否属于所述第一图像分类标签。
可选的,所述识别结果输出单元,具体可以包括:
输入子单元,用于将所述电影播放画面输入不同图像分类标签的图像识别模型;
输出结果获取子单元,用于获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
第一输出结果确定子单元,用于确定所述识别得分大于第一设定分数的第一输出结果;
识别结果确定子单元,用于确定所述第一输出结果为所述电影播放画面的识别结果。
可选的,当所述第一输出结果为多个时,所述识别结果确定子单元,具体可以用于将所述识别得分最高的第一输出结果确定为所述电影播放画面的识别结果。
可选的,所述识别结果输出单元,具体可以包括:
输入子单元,用于将所述电影播放画面输入不同图像分类标签的图像识别模型;
输出结果获取子单元,用于获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
第二输出结果确定子单元,用于确定所述识别得分最高的第二输出结果;
第一判断结果判断子单元,用于判断所述第二输出结果的识别得分是否大于第二设定分数,得到第一判断结果;
识别结果确定子单元,用于当所述第一判断结果表示所述第二输出结果的识别得分大于所述第二设定分数时,确定所述第二输出结果为所述电影播放画面的识别结果。
可选的,所述题目生成模块402,具体可以包括:
第二图像分类标签获取单元,用于获取所述识别结果对应的图像识别模型的第二图像分类标签;
调取单元,用于调取所述第二图像分类标签对应的题目生成策略;
题目生成模块单元,用于根据所述识别种类和所述题目生成策略生成题目,所述题目包括:题干和选项,所述选项至少包括所述识别种类。
可选的,所述题目发送模块403,具体包括:
截取时间获取单元,用于获取所述电影播放画面的截取时间;
推送时间确定单元,用于根据所述截取时间确定推送时间;
题目显示单元,用于在直播间公屏画面按照所述推送时间显示所述题目,用来提示用户进行答题获取奖励。
可选的,所述识别结果输出单元,还可以包括:
第三输出结果确定子单元,用于确定第三输出结果,所述第二输出结果的识别得分大于第三设定分数,所述第三设定分数大于所述第一设定分数;
第三图像分类标签获取子单元,用于获取所述第三输出结果对应的图像识别模型的第三图像分类标签;
图像回收子单元,用于将所述电影播放画面回收至所述第三图像分类标签对应的图像识别模型的图像样本集中,用于修正所述第三图像分类标签的图像识别模型。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。
图5为本说明书实施例提供的对应于图1的一种题目生成设备的结构示意图。如图5所示,设备500可以包括:
至少一个处理器510;以及,
与所述至少一个处理器通信连接的存储器530;其中,
所述存储器530存储有可被所述至少一个处理器510执行的指令520,所述指令被所述至少一个处理器510执行,以使所述至少一个处理器510能够:
按照设定时间截取电影播放画面;
根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
将所述题目发送至客户端。
基于同样的思路,本说明书实施例还提供了上述方法对应的计算机可读存储介质。
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指令,其特征在于,所述指令被处理器执行时实现以下步骤:
按照设定时间截取电影播放画面;
根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
将所述题目发送至客户端。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种题目生成方法,其特征在于,包括:
按照设定时间截取电影播放画面;
根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
将所述题目发送至客户端。
2.如权利要求1所述的方法,其特征在于,所述根据所述电影播放画面的识别结果生成题目,具体包括:
构建图像识别模型;
将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果;
根据所述识别结果生成题目。
3.如权利要求2所述的方法,其特征在于,所述构建图像识别模型,具体包括:
针对第一图像分类标签,获取图像样本集;
通过卷积神经网络对所述图像样本集中的图像进行训练,生成所述第一图像分类标签的图像识别模型,所述第一图像分类标签的图像识别模型用于识别图像是否属于所述第一图像分类标签。
4.如权利要求3所述的方法,其特征在于,将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分大于第一设定分数的第一输出结果;
确定所述第一输出结果为所述电影播放画面的识别结果。
5.如权利要求4所述的方法,其特征在于,当所述第一输出结果为多个时,所述确定所述第一输出结果为所述电影播放画面的识别结果,具体包括:
将所述识别得分最高的第一输出结果确定为所述电影播放画面的识别结果。
6.如权利要求3所述的方法,其特征在于,所述将所述电影播放画面输入至所述图像识别模型,输出所述电影播放画面的识别结果,具体包括:
将所述电影播放画面输入不同图像分类标签的图像识别模型;
获取所述多个不同图像分类标签的图像识别模型的多个输出结果,所述输出结果包括识别种类和识别得分;
确定所述识别得分最高的第二输出结果;
判断所述第二输出结果的识别得分是否大于第二设定分数,得到第一判断结果;
当所述第一判断结果表示所述第二输出结果的识别得分大于所述第二设定分数时,确定所述第二输出结果为所述电影播放画面的识别结果。
7.如权利要求4所述的方法,其特征在于,所述根据所述识别结果生成题目,具体包括:
获取所述识别结果对应的图像识别模型的第二图像分类标签;
调取所述第二图像分类标签对应的题目生成策略;
根据所述识别种类和所述题目生成策略生成题目,所述题目包括:题干和选项,所述选项至少包括所述识别种类。
8.如权利要求1所述的方法,其特征在于,所述将所述题目发送至客户端,具体包括:
获取所述电影播放画面的截取时间;
根据所述截取时间确定推送时间;
在直播间公屏画面按照所述推送时间显示所述题目,用来提示用户进行答题获取奖励。
9.如权利要求4所述的方法,其特征在于,所述方法还包括:
确定第三输出结果,所述第二输出结果的识别得分大于第三设定分数,所述第三设定分数大于所述第一设定分数;
获取所述第三输出结果对应的图像识别模型的第三图像分类标签;
将所述电影播放画面回收至所述第三图像分类标签对应的图像识别模型的图像样本集中,用于修正所述第三图像分类标签的图像识别模型。
10.一种题目生成装置,其特征在于,包括:
截取模块,用于按照设定时间截取电影播放画面;
题目生成模块,用于根据所述电影播放画面的识别结果生成题目,所述识别结果用来表征所述电影播放画面的播放内容,所述题目为针对所述播放内容的问题;
题目发送模块,用于将所述题目发送至客户端。
11.一种题目生成设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-9任意一项所述的题目生成方法。
12.一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指令,其特征在于,所述指令被处理器执行时实现权利要求1-9所述的任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367160.2A CN110121077B (zh) | 2019-05-05 | 2019-05-05 | 一种题目生成方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367160.2A CN110121077B (zh) | 2019-05-05 | 2019-05-05 | 一种题目生成方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110121077A true CN110121077A (zh) | 2019-08-13 |
CN110121077B CN110121077B (zh) | 2021-05-07 |
Family
ID=67521800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910367160.2A Active CN110121077B (zh) | 2019-05-05 | 2019-05-05 | 一种题目生成方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110121077B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473161A (zh) * | 2020-03-31 | 2021-10-01 | 腾讯科技(成都)有限公司 | 直播方法、装置、设备及计算机存储介质 |
CN115334326A (zh) * | 2022-07-11 | 2022-11-11 | 北京达佳互联信息技术有限公司 | 直播互动方法及装置、电子设备、计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100199294A1 (en) * | 2009-02-02 | 2010-08-05 | Samsung Electronics Co., Ltd. | Question and answer service method, broadcast receiver having question and answer service function and storage medium having program for executing the method |
CN104754419A (zh) * | 2015-03-13 | 2015-07-01 | 腾讯科技(北京)有限公司 | 基于视频的互动方法和装置 |
CN105898487A (zh) * | 2016-04-28 | 2016-08-24 | 北京光年无限科技有限公司 | 一种面向智能机器人的交互方法和装置 |
US20160267518A1 (en) * | 2015-03-10 | 2016-09-15 | George Glover | Method for motivating an individual to view promotional content |
CN106097793A (zh) * | 2016-07-21 | 2016-11-09 | 北京光年无限科技有限公司 | 一种面向智能机器人的儿童教学方法和装置 |
CN106899891A (zh) * | 2016-12-31 | 2017-06-27 | 天脉聚源(北京)科技有限公司 | 竞猜互动的方法和装置 |
CN107454436A (zh) * | 2017-09-28 | 2017-12-08 | 广州酷狗计算机科技有限公司 | 互动方法、装置、服务器以及存储介质 |
CN108171260A (zh) * | 2017-12-15 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 一种图片识别方法及系统 |
CN108229509A (zh) * | 2016-12-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
-
2019
- 2019-05-05 CN CN201910367160.2A patent/CN110121077B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100199294A1 (en) * | 2009-02-02 | 2010-08-05 | Samsung Electronics Co., Ltd. | Question and answer service method, broadcast receiver having question and answer service function and storage medium having program for executing the method |
US20160267518A1 (en) * | 2015-03-10 | 2016-09-15 | George Glover | Method for motivating an individual to view promotional content |
CN104754419A (zh) * | 2015-03-13 | 2015-07-01 | 腾讯科技(北京)有限公司 | 基于视频的互动方法和装置 |
CN105898487A (zh) * | 2016-04-28 | 2016-08-24 | 北京光年无限科技有限公司 | 一种面向智能机器人的交互方法和装置 |
CN106097793A (zh) * | 2016-07-21 | 2016-11-09 | 北京光年无限科技有限公司 | 一种面向智能机器人的儿童教学方法和装置 |
CN108229509A (zh) * | 2016-12-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
CN106899891A (zh) * | 2016-12-31 | 2017-06-27 | 天脉聚源(北京)科技有限公司 | 竞猜互动的方法和装置 |
CN107454436A (zh) * | 2017-09-28 | 2017-12-08 | 广州酷狗计算机科技有限公司 | 互动方法、装置、服务器以及存储介质 |
CN108171260A (zh) * | 2017-12-15 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 一种图片识别方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473161A (zh) * | 2020-03-31 | 2021-10-01 | 腾讯科技(成都)有限公司 | 直播方法、装置、设备及计算机存储介质 |
CN113473161B (zh) * | 2020-03-31 | 2024-05-24 | 腾讯科技(成都)有限公司 | 直播方法、装置、设备及计算机存储介质 |
CN115334326A (zh) * | 2022-07-11 | 2022-11-11 | 北京达佳互联信息技术有限公司 | 直播互动方法及装置、电子设备、计算机可读存储介质 |
CN115334326B (zh) * | 2022-07-11 | 2024-02-06 | 北京达佳互联信息技术有限公司 | 直播互动方法及装置、电子设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110121077B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104486649B (zh) | 视频内容评级方法及装置 | |
Kidd | The Olympic Movement and the sports–media complex | |
US20220210514A1 (en) | System and process for collaborative digital content generation, publication, distribution, and discovery | |
CN109286822A (zh) | 基于直播视频识别的互动方法、装置、设备及存储介质 | |
CN108521582B (zh) | 一种基于区块链技术的版权视频全网收视纪录系统 | |
CN109829757B (zh) | 一种最优营销方案的选择方法及装置 | |
Zhang et al. | Public response to “the MOOC movement” in China: Examining the time series of microblogging | |
CN110121077A (zh) | 一种题目生成方法、装置及设备 | |
CN108156470A (zh) | 基于网络直播的互动方法及装置 | |
CN109729376A (zh) | 一种生命周期的处理方法、装置、设备和存储介质 | |
CN110020099A (zh) | 一种视频交友的用户推荐方法和装置 | |
CN204990414U (zh) | 基于物联网的教学系统 | |
Wu | Study of a Video-sharing Platform: The Global Rise of TikTok | |
CN106780196A (zh) | 一种明星知识产权生成运营及粉丝互动平台及方法 | |
CN106254931A (zh) | 基于iptv的节目广告发布方法和装置 | |
Stock | High impact extension programming with Instagram | |
CN109523844A (zh) | 一种虚拟直播仿真教学系统及方法 | |
CN107509083B (zh) | 直播人数真实性检测方法、存储介质、电子设备及系统 | |
CN109040778A (zh) | 视频封面的确定方法、用户设备、存储介质及装置 | |
CN106202094B (zh) | 一种吸引力指数信息的确定方法和装置 | |
Nelson | Partnering with the Public: The Pursuit of'Audience Engagement'in Journalism | |
Peng | Digital business governance: The algorithm design of the short video-sharing application–TikTok | |
CN106851344A (zh) | 智能电视的消息推荐方法及装置 | |
Rathore et al. | A trend analysis of farmers' communication sources | |
Chowdhury | Effectiveness of digital marketing through social media campaign |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210118 Address after: 511442 3108, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU CUBESILI INFORMATION TECHNOLOGY Co.,Ltd. Address before: 511442 24 floors, B-1 Building, Wanda Commercial Square North District, Wanbo Business District, 79 Wanbo Second Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU HUADUO NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |