CN110674348A - 视频分类方法、装置及电子设备 - Google Patents
视频分类方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110674348A CN110674348A CN201910921216.4A CN201910921216A CN110674348A CN 110674348 A CN110674348 A CN 110674348A CN 201910921216 A CN201910921216 A CN 201910921216A CN 110674348 A CN110674348 A CN 110674348A
- Authority
- CN
- China
- Prior art keywords
- feature
- video
- neural network
- convolutional neural
- target video
- 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
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开实施例中提供了一种视频分类方法、装置及电子设备，属于数据处理技术领域，该方法包括：对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。通过本公开的方案，能够提高视频分类的准确度。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种视频分类方法、装置及电子设备。
背景技术
随着技术的不断发展，视频内容日益增长。在对视频内容进行运用的过程中，往往需要对视频进行分类。传统的人工进行分类不仅耗时，而且浪费人力，效率不高。
对视频的分类技术可以基于视频的视频帧、文字信息和音频信息来进行，视频帧作为视频中最重要的信息，也是包含视频信息最多，最能代表视频类别的信息。传统的基于视觉信息的视频分类技术涉及到特征提取、视频建模、分类技术三个方面的内容。在特征提取环节，研究者通常自主选择视频帧的全局或局部特征来表示视频，如HSV、LBP等特征。
在进行视频分类的过程中，如何提高视频分类的准确度，是需要解决的技术问题。
发明内容
有鉴于此，本公开实施例提供一种视频分类方法、装置及电子设备，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种视频分类方法，包括：
对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；
利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；
利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；
将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
根据本公开实施例的一种具体实现方式，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件之前，所述方法还包括：
按照预设的采样率从所述目标视频中提取音频信息；
基于提取到的音频信息，形成所述音频文件。
根据本公开实施例的一种具体实现方式，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件，包括：
对所述音频文件执行检测，以获得所述音频文件中的语言类型；
利用与所述语言类型匹配的语言模型，对所述音频文件执行标准化处理，生成标准化语音信息；
利用与所述语言类型匹配的语音-文本模型，将所述标准化语音信息转化成与所述目标视频对应的文本文件。
根据本公开实施例的一种具体实现方式，所述利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，包括：
在所述第一卷积神经网络中设置嵌入层，所述嵌入层对所述文本文件中的文本进行向量化操作，得到文本向量矩阵；
基于所述文本特征向量矩阵，对所述文本文件进行特征计算。
根据本公开实施例的一种具体实现方式，所述基于所述文本特征向量矩阵，对所述文本文件进行特征计算，包括：
依次利用所述第一卷积神经网络中的卷积层、池化层和全连接层对所述文本向量矩阵进行特征计算；
将所述全连接层计算得到的特征矩阵作为所述文本文件的第一特征。
根据本公开实施例的一种具体实现方式，所述利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，包括：
在所述第二卷积网络中设置视频分离层；
基于所述视频分离层，从所述目标视频中提取多个视频帧；
基于所述多个视频帧，对所述目标视频进行特征计算。
根据本公开实施例的一种具体实现方式，所述基于所述多个视频帧，对所述目标视频进行特征计算，包括：
将所述多个视频帧转换为多个图像矩阵；
依次利用所述第二卷积神经网络中的卷积层、池化层对所述多个图像矩阵进行特征计算；
将输入到所述第二卷积神经网络全连接层的特征矩阵作为所述目标视频的第二特征。
根据本公开实施例的一种具体实现方式，所述将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类，包括：
将表示所述第一特征和所述第二特征的特征矩阵进行均值处理，得到表示第三特征的特征矩阵；
利用所述表示第三特征的特征矩阵及所述第二卷积神经网络的全连接层，确定所述目标视频的分类。
第二方面，本公开实施例提供了一种视频分类装置，包括：
转化模块，用于对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；
第一计算模块，用于利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；
第二计算模块，用于利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；
执行模块，用于将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的视频分类方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的视频分类方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的视频分类方法。
本公开实施例中的视频分类方案，包括对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。通过本公开的方案，对视频进行分类后，能够基于分类的结果进行场景推荐，进一步提高推荐场景的准确度，避免推荐一些不符合用户需求的视频，从而减少网络资源的浪费。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种视频分类流程示意图；
图2为本公开实施例提供的另一种视频分类流程示意图；
图3为本公开实施例提供的另一种视频分类流程示意图；
图4为本公开实施例提供的另一种视频分类流程示意图；
图5为本公开实施例提供的一种视频分类装置结构示意图；
图6为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种视频分类方法。本实施例提供的视频分类方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，本公开实施例提供的一种视频分类方法，包括如下步骤：
S101，对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件。
目标视频是需要进行分类的视频，目标视频中可以包含音频、视频、以及视频简介等内容。由于不同的目标视频包含的内容不同，因此，需要对目标视频进行分类操作。例如，根据分类设置的不同，可以将目标视频分类为动作类、自然风光类、汽车类等不同的类型。
在对目标视频进行分类之前，可以提取目标视频中的音频文件，通过提取音频文件，能够更加详细的获取目标视频中所包含的信息，为后续的分类决策提供更加多的辅助信息。在进行音频文件提取的过程中，可以按照预设的采样率从所述目标视频中提取音频信息，基于提取到的音频信息，形成音频文件。
提取到音频文件之后，可以对音频文件进行转化，进而得到与音频文件对应的文本文件。对于音频文件进行转化的过程中，可以对所述音频文件执行检测，以获得所述音频文件中的语言类型，利用与所述语言类型匹配的语言模型，对所述音频文件执行标准化处理，生成标准化语音信息，利用与所述语言类型匹配的语音-文本模型，将所述标准化语音信息转化成与所述目标视频对应的文本文件。
S102，利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征。
获取到文本文件之后，可以基于该文本文件来对目标视频的特征进行计算，从而进一步的提取目标视频的相关特征。
为了能够方便的进行特征提取，可以构建第一卷积神经网络，通过第一卷积神经网络来对文本文件的特征进行提取。
第一卷积神经网络可以是基于卷积神经网络而设置的一种神经网络架构。例如，第一卷积神经网络可以包括卷积层、池化层、采样层和全连接层。
卷积层主要参数包括卷积核的大小和输入特征图的数量，每个卷积层可以包含若干个相同大小的特征图，同一层特征值采用共享权值的方式，每层内的卷积核大小一致。卷积层对输入图像进行卷积计算，并提取输入图像的布局特征。
卷积层的特征提取层后面都可以与采样层连接，采样层用来求输入图像的局部平均值并进行二次特征提取，通过将采样层与卷积层连接，能够保证神经网络模型对于输入图像具有较好的鲁棒性。
为了加快第一卷积神经网络的训练速度，在卷积层后面还设置有池化层，池化层采用最大池化的方式对卷积层的输出结果进行处理，能够更好的提取输入图像的不变性特征。
除此之外，还可以在所述第一卷积神经网络中设置嵌入层，嵌入层对所述文本文件中的文本进行向量化操作，得到文本向量矩阵，基于所述文本特征向量矩阵，对所述文本文件进行特征计算。嵌入层可以设置在卷积层、池化层、采样层之前。
利用第一卷积神经网络进行特征计算时，可以依次利用所述第一卷积神经网络中的卷积层、池化层和全连接层对文本向量矩阵进行特征计算，最后将全连接层计算得到的特征矩阵作为所述文本文件的第一特征。
S103，利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征。
目标视频中的视频帧含有较多的内容信息，为此，还需要对目标视频中的视频进行解析，基于解析的内容来进一步的确定目标视频的分类。
为此，可以构建具有视频分类功能的第二卷积神经网络，第二卷积神经网络可以是基于卷积神经网络而设置的一种神经网络架构。例如，第二卷积神经网络可以包括卷积层、池化层、采样层和全连接层。
卷积层主要参数包括卷积核的大小和输入特征图的数量，每个卷积层可以包含若干个相同大小的特征图，同一层特征值采用共享权值的方式，每层内的卷积核大小一致。卷积层对输入图像进行卷积计算，并提取输入图像的布局特征。
卷积层的特征提取层后面都可以与采样层连接，采样层用来求输入图像的局部平均值并进行二次特征提取，通过将采样层与卷积层连接，能够保证神经网络模型对于输入图像具有较好的鲁棒性。
为了加快第二卷积神经网络的训练速度，在卷积层后面还设置有池化层，池化层采用最大池化的方式对卷积层的输出结果进行处理，能够更好的提取输入图像的不变性特征。
目标视频中含有多个视频帧，为此可以在所述第二卷积网络中设置视频分离层，通过该视频分离层，能够从所述目标视频中提取多个视频帧，最后基于所述多个视频帧，能够对目标视频进行特征计算。
在对目标视频进行特征计算的过程中，可以将所述多个视频帧转换为多个图像矩阵，依次利用所述第二卷积神经网络中的卷积层、池化层对所述多个图像矩阵进行特征计算，最后将输入到所述第二卷积神经网络全连接层的特征矩阵作为所述目标视频的第二特征。
S104，将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
获取到第一特征和第二特征之后，可以将第一特征和第二特征共同作为第二卷积神经网络全连接层的输入特征，通过第二神经网络全连接层对目标视频的分类概率进行计算，基于计算得到的最终概率值，来确定该目标视频的最终分类。
通过本公开的方案，能够对视频进行分类后，能够基于分类的结果进行场景推荐，进一步提高推荐场景的准确度，避免推荐一些不符合用户需求的视频，从而减少网络资源的浪费。
根据本公开实施例的一种具体实现方式，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件之前，所述方法还包括：按照预设的采样率从所述目标视频中提取音频信息，通过设置不同的采样率，可以提高音频信息的真实度。将提取到的音频信息集合在一起，便可以形成所述音频文件。
参见图2，根据本公开实施例的一种具体实现方式，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件，包括：
S201，对所述音频文件执行检测，以获得所述音频文件中的语言类型。
通过检测音频文件的音频波形，可以对音频文件的波形进行归类计算，最终将归类计算得到的结果与多个语言模型的典型波形进行匹配，最终确定音频文件的语言类型。例如，音频文件的语言类型可以是中文普通话。
S202，利用与所述语言类型匹配的语言模型，对所述音频文件执行标准化处理，生成标准化语音信息。
得到音频文件的语言类型之后，可以对音频文件的执行标准化处理，具体的，可以采用标准的语言模型对音频文件中的波形进行标准化修正，从而使得最后得到的标准化语音信息。
S203，利用与所述语言类型匹配的语音-文本模型，将所述标准化语音信息转化成与所述目标视频对应的文本文件。
参见图3，根据本公开实施例的一种具体实现方式，所述利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，包括：
S301，在所述第一卷积神经网络中设置嵌入层，所述嵌入层对所述文本文件中的文本进行向量化操作，得到文本向量矩阵。
通过设置嵌入层，能够对文本内容进行直接的向量化处理，通过向量化处理之后，便于对文本的特征进行计算。在嵌入层对文本进行向量化处理，可以在嵌入层中加入word2vec之类的工具来完成。
S302，基于所述文本特征向量矩阵，对所述文本文件进行特征计算。
在执行步骤S302的过程中，可以包括如下步骤：
S3021，依次利用所述第一卷积神经网络中的卷积层、池化层和全连接层对所述文本向量矩阵进行特征计算；
S3022，将所述全连接层计算得到的特征矩阵作为所述文本文件的第一特征。
参见图4，根据本公开实施例的一种具体实现方式，所述利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，包括：
S401，在所述第二卷积网络中设置视频分离层。
视频分离层能够对目标视频中存在的多个视频帧进行识别，基于对多个视频帧识别的结果，可以将视频帧从目标视频中抽取出来。
S402，基于所述视频分离层，从所述目标视频中提取多个视频帧。
可以采用快速抽帧的方式，通过判断目标视频中相邻视频帧之间的变化是否大于预设值，来从相邻的视频帧中抽取典型帧，最后将抽取到的典型帧合并在一起，形成多个视频帧。
S403，基于所述多个视频帧，对所述目标视频进行特征计算。
在执行步骤S403的过程中，可以包括如下步骤：
S4031，将所述多个视频帧转换为多个图像矩阵；
S4032，依次利用所述第二卷积神经网络中的卷积层、池化层对所述多个图像矩阵进行特征计算；
S4033，将输入到所述第二卷积神经网络全连接层的特征矩阵作为所述目标视频的第二特征。
根据本公开实施例的一种具体实现方式，所述将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类，包括：将表示所述第一特征和所述第二特征的特征矩阵进行均值处理，得到表示第三特征的特征矩阵；利用所述表示第三特征的特征矩阵及所述第二卷积神经网络的全连接层，确定所述目标视频的分类。
与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种视频分类装置50，包括：
转化模块501，用于对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；
第一计算模块502，用于利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；
第二计算模块503，用于利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；
执行模块504，用于将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
图5所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中视频分类方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的视频分类方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备60操作所需的各种程序和数据。处理装置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。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述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：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，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：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
描述于本公开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。其中，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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种视频分类方法，其特征在于，包括：
对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；
利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；
利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；
将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
2.根据权利要求1所述的方法，其特征在于，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件之前，所述方法还包括：
按照预设的采样率从所述目标视频中提取音频信息；
基于提取到的音频信息，形成所述音频文件。
3.根据权利要求1所述的方法，其特征在于，所述对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件，包括：
对所述音频文件执行检测，以获得所述音频文件中的语言类型；
利用与所述语言类型匹配的语言模型，对所述音频文件执行标准化处理，生成标准化语音信息；
利用与所述语言类型匹配的语音-文本模型，将所述标准化语音信息转化成与所述目标视频对应的文本文件。
4.根据权利要求1所述的方法，其特征在于，所述利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，包括：
在所述第一卷积神经网络中设置嵌入层，所述嵌入层对所述文本文件中的文本进行向量化操作，得到文本向量矩阵；
基于所述文本特征向量矩阵，对所述文本文件进行特征计算。
5.根据权利要求4所述的方法，其特征在于，所述基于所述文本特征向量矩阵，对所述文本文件进行特征计算，包括：
依次利用所述第一卷积神经网络中的卷积层、池化层和全连接层对所述文本向量矩阵进行特征计算；
将所述全连接层计算得到的特征矩阵作为所述文本文件的第一特征。
6.根据权利要求1所述的方法，其特征在于，所述利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，包括：
在所述第二卷积网络中设置视频分离层；
基于所述视频分离层，从所述目标视频中提取多个视频帧；
基于所述多个视频帧，对所述目标视频进行特征计算。
7.根据权利要求1所述的方法，其特征在于，所述基于所述多个视频帧，对所述目标视频进行特征计算，包括：
将所述多个视频帧转换为多个图像矩阵；
依次利用所述第二卷积神经网络中的卷积层、池化层对所述多个图像矩阵进行特征计算；
将输入到所述第二卷积神经网络全连接层的特征矩阵作为所述目标视频的第二特征。
8.根据权利要求1所述的方法，其特征在于，所述将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类，包括：
将表示所述第一特征和所述第二特征的特征矩阵进行均值处理，得到表示第三特征的特征矩阵；
利用所述表示第三特征的特征矩阵及所述第二卷积神经网络的全连接层，确定所述目标视频的分类。
9.一种视频分类装置，其特征在于，包括：
转化模块，用于对目标视频中提取的音频文件进行转化，得到与所述目标视频对应的文本文件；
第一计算模块，用于利用具有文本分类功能的第一卷积神经网络，对所述文本文件进行特征计算，以便于在所述第一卷积神经网络的全连接层获得所述文本文件的第一特征；
第二计算模块，用于利用具有视频分类功能的第二卷积神经网络，对所述目标视频进行特征计算，以便于在所述第二卷积神经网络的全连接层获得所述视频文件的第二特征；
执行模块，用于将所述第一特征和所述第二特征合并形成的第三特征，作为所述第二卷积神经网络全连接层的输入特征，来进一步的判断所述目标视频的分类。
10.一种电子设备，其特征在于，所述电子设备包括：
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前述任一权利要求1-8所述的视频分类方法。
11.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述任一权利要求1-8所述的视频分类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910921216.4A CN110674348B (zh) | 2019-09-27 | 2019-09-27 | 视频分类方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910921216.4A CN110674348B (zh) | 2019-09-27 | 2019-09-27 | 视频分类方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110674348A true CN110674348A (zh) | 2020-01-10 |
| CN110674348B CN110674348B (zh) | 2023-02-03 |
Family
ID=69079530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910921216.4A Active CN110674348B (zh) | 2019-09-27 | 2019-09-27 | 视频分类方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110674348B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007049282A2 (en) * | 2005-10-26 | 2007-05-03 | Cortica Ltd. | A computing device, a system and a method for parallel processing of data streams |
| CN103503463A (zh) * | 2011-11-23 | 2014-01-08 | 华为技术有限公司 | 视频广告播放方法、设备和系统 |
| CN106294797A (zh) * | 2016-08-15 | 2017-01-04 | 北京聚爱聊网络科技有限公司 | 一种视频基因的生成方法和装置 |
| CN106604125A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种视频字幕的确定方法及装置 |
| US20180144194A1 (en) * | 2016-11-22 | 2018-05-24 | Jinsoo Park | Method and apparatus for classifying videos based on audio signals |
| CN108805036A (zh) * | 2018-05-22 | 2018-11-13 | 电子科技大学 | 一种新的非监督的视频语义提取方法 |
| CN109257622A (zh) * | 2018-11-01 | 2019-01-22 | 广州市百果园信息技术有限公司 | 一种音视频处理方法、装置、设备及介质 |
| CN109271912A (zh) * | 2018-09-05 | 2019-01-25 | 中国电子科技集团公司第三研究所 | 视频分类方法、装置、电子设备及存储介质 |
| CN109299322A (zh) * | 2018-08-28 | 2019-02-01 | 南京葡萄诚信息科技有限公司 | 一种将短文本分类应用于视频中的状态判断方法 |
| CN109359636A (zh) * | 2018-12-14 | 2019-02-19 | 腾讯科技（深圳）有限公司 | 视频分类方法、装置及服务器 |
| CN109472232A (zh) * | 2018-10-31 | 2019-03-15 | 山东师范大学 | 基于多模态融合机制的视频语义表征方法、系统及介质 |
| CN109614895A (zh) * | 2018-10-29 | 2019-04-12 | 山东大学 | 一种基于attention特征融合的多模态情感识别的方法 |
| CN109710800A (zh) * | 2018-11-08 | 2019-05-03 | 北京奇艺世纪科技有限公司 | 模型生成方法、视频分类方法、装置、终端及存储介质 |
| CN109740670A (zh) * | 2019-01-02 | 2019-05-10 | 京东方科技集团股份有限公司 | 视频分类的方法及装置 |
| CN109840509A (zh) * | 2019-02-15 | 2019-06-04 | 北京工业大学 | 网络直播视频中不良主播的多层次协同识别方法及装置 |
| CN110059225A (zh) * | 2019-03-11 | 2019-07-26 | 北京奇艺世纪科技有限公司 | 视频分类方法、装置、终端设备及存储介质 |
| CN110163115A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种视频处理方法、装置和计算机可读存储介质 |
| CN110267097A (zh) * | 2019-06-26 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 基于分类特征的视频推送方法、装置及电子设备 |
-
2019
- 2019-09-27 CN CN201910921216.4A patent/CN110674348B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007049282A2 (en) * | 2005-10-26 | 2007-05-03 | Cortica Ltd. | A computing device, a system and a method for parallel processing of data streams |
| CN103503463A (zh) * | 2011-11-23 | 2014-01-08 | 华为技术有限公司 | 视频广告播放方法、设备和系统 |
| CN106294797A (zh) * | 2016-08-15 | 2017-01-04 | 北京聚爱聊网络科技有限公司 | 一种视频基因的生成方法和装置 |
| US20180144194A1 (en) * | 2016-11-22 | 2018-05-24 | Jinsoo Park | Method and apparatus for classifying videos based on audio signals |
| CN106604125A (zh) * | 2016-12-29 | 2017-04-26 | 北京奇艺世纪科技有限公司 | 一种视频字幕的确定方法及装置 |
| CN108805036A (zh) * | 2018-05-22 | 2018-11-13 | 电子科技大学 | 一种新的非监督的视频语义提取方法 |
| CN109299322A (zh) * | 2018-08-28 | 2019-02-01 | 南京葡萄诚信息科技有限公司 | 一种将短文本分类应用于视频中的状态判断方法 |
| CN109271912A (zh) * | 2018-09-05 | 2019-01-25 | 中国电子科技集团公司第三研究所 | 视频分类方法、装置、电子设备及存储介质 |
| CN109614895A (zh) * | 2018-10-29 | 2019-04-12 | 山东大学 | 一种基于attention特征融合的多模态情感识别的方法 |
| CN109472232A (zh) * | 2018-10-31 | 2019-03-15 | 山东师范大学 | 基于多模态融合机制的视频语义表征方法、系统及介质 |
| CN109257622A (zh) * | 2018-11-01 | 2019-01-22 | 广州市百果园信息技术有限公司 | 一种音视频处理方法、装置、设备及介质 |
| CN109710800A (zh) * | 2018-11-08 | 2019-05-03 | 北京奇艺世纪科技有限公司 | 模型生成方法、视频分类方法、装置、终端及存储介质 |
| CN109359636A (zh) * | 2018-12-14 | 2019-02-19 | 腾讯科技（深圳）有限公司 | 视频分类方法、装置及服务器 |
| CN109740670A (zh) * | 2019-01-02 | 2019-05-10 | 京东方科技集团股份有限公司 | 视频分类的方法及装置 |
| CN109840509A (zh) * | 2019-02-15 | 2019-06-04 | 北京工业大学 | 网络直播视频中不良主播的多层次协同识别方法及装置 |
| CN110059225A (zh) * | 2019-03-11 | 2019-07-26 | 北京奇艺世纪科技有限公司 | 视频分类方法、装置、终端设备及存储介质 |
| CN110163115A (zh) * | 2019-04-26 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种视频处理方法、装置和计算机可读存储介质 |
| CN110267097A (zh) * | 2019-06-26 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 基于分类特征的视频推送方法、装置及电子设备 |
Non-Patent Citations (4)
| Title |
|---|
| R. LEONARDI ET AL.: "Semantic indexing of soccer audio-visual sequences: a multimodal approach based on controlled Markov chains", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 * |
| 王冬雪: "改进的CNN特征及其时序建模在视频分类中的应用", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
| 袁津生: "《搜索引擎原理与实践》", 30 November 2008 * |
| 谢英杰等: "基于可信语义深度学习的文本文献搜索方法", 《计算机工程与应用》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110674348B (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110674349B (zh) | 视频poi识别方法、装置及电子设备 | |
| CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
| CN110278447B (zh) | 基于连续特征的视频推送方法、装置及电子设备 | |
| CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
| US20230334880A1 (en) | Hot word extraction method and apparatus, electronic device, and medium | |
| CN112037223B (zh) | 图像缺陷检测方法、装置及电子设备 | |
| CN110826619A (zh) | 电子卷宗的文件分类方法、装置及电子设备 | |
| CN111291715B (zh) | 基于多尺度卷积神经网络的车型识别方法、电子设备及存储介质 | |
| CN110069997B (zh) | 场景分类方法、装置及电子设备 | |
| CN111753114A (zh) | 图像预标注方法、装置及电子设备 | |
| CN111915689B (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
| CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
| CN109977925B (zh) | 表情确定方法、装置及电子设备 | |
| CN110852042A (zh) | 字符类型转换方法和装置 | |
| CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
| CN110674348B (zh) | 视频分类方法、装置及电子设备 | |
| CN110704679B (zh) | 视频分类方法、装置及电子设备 | |
| CN113807056B (zh) | 一种文档名称序号纠错方法、装置和设备 | |
| CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
| CN111402867B (zh) | 混合采样率声学模型训练方法、装置及电子设备 | |
| CN110390291B (zh) | 数据处理方法、装置及电子设备 | |
| CN112165634A (zh) | 建立音频分类模型的方法、自动转换视频的方法和装置 | |
| CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
| CN110969189B (zh) | 人脸检测方法、装置及电子设备 | |
| CN114613355B (zh) | 视频处理方法、装置、可读介质及电子设备 |
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 |