CN112559800A - 用于处理视频的方法、装置、电子设备、介质和产品 - Google Patents

用于处理视频的方法、装置、电子设备、介质和产品 Download PDF

Info

Publication number
CN112559800A
CN112559800A CN202011496732.6A CN202011496732A CN112559800A CN 112559800 A CN112559800 A CN 112559800A CN 202011496732 A CN202011496732 A CN 202011496732A CN 112559800 A CN112559800 A CN 112559800A
Authority
CN
China
Prior art keywords
video
target
model
determining
output data
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
Application number
CN202011496732.6A
Other languages
English (en)
Other versions
CN112559800B (zh
Inventor
赵向明
李飞
贠挺
陈国庆
林赛群
王琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011496732.6A priority Critical patent/CN112559800B/zh
Publication of CN112559800A publication Critical patent/CN112559800A/zh
Priority to US17/347,290 priority patent/US11856277B2/en
Priority to JP2021100506A priority patent/JP7394809B2/ja
Priority to EP21179672.7A priority patent/EP3872652B1/en
Priority to KR1020210087453A priority patent/KR102576344B1/ko
Application granted granted Critical
Publication of CN112559800B publication Critical patent/CN112559800B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • 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
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G06F16/739—Presentation of query results in form of a video summary, e.g. the video summary being a video sequence, a composite still image or having synthesized frames
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • 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
    • H04N21/488—Data services, e.g. news ticker
    • H04N21/4884—Data services, e.g. news ticker for displaying subtitles
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Television Signal Processing For Recording (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Supply And Installment Of Electrical Components (AREA)
  • Studio Devices (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种用于处理视频的方法、装置、电子设备、介质和产品，涉及人工智能领域。具体实现方案为：获取目标视频；从预设的至少一个模型中选取目标模型；根据目标视频以及目标模型，确定目标模型的输出数据；响应于确定输出数据不满足与目标模型对应的条件，从预设的至少一个模型中重新选取目标模型，直至输出数据满足与目标模型对应的条件；根据输出数据，从目标视频中确定出动态封面。本实现方式提供一种用于处理视频的方法，能够提高视频封面的精准度。

Description

用于处理视频的方法、装置、电子设备、介质和产品
技术领域
本申请涉及计算机技术领域，具体涉及人工智能领域，尤其涉及一种用于处理视频的方法、装置、电子设备、介质和产品。
背景技术
目前，随着互联网的快速发展，互联网用户可以在互联网上分享大量的视频，从而导致网络视频资源越来越多。
在浏览这些网络视频资源的情况下，用户会根据视频的封面选择是否播放该视频。如果用户根据某一视频的封面选择播放该视频，发现该视频的封面不够精准，会导致视频内容和视频封面不符。
可见，如何提高视频封面的精准度成为了一个亟需解决的问题。
发明内容
提供了一种用于处理视频的方法、装置、电子设备、介质和产品。
根据第一方面，提供了一种用于处理视频的方法，包括：获取目标视频；从预设的至少一个模型中选取目标模型；根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据；响应于确定所述输出数据不满足与所述目标模型对应的条件，从所述预设的至少一个模型中重新选取所述目标模型，直至所述输出数据满足与所述目标模型对应的条件；根据所述输出数据，从所述目标视频中确定出动态封面。
根据第二方面，提供了一种用于处理视频的装置，包括：视频获取单元，被配置成获取目标视频；模型选取单元，被配置成从预设的至少一个模型中选取目标模型；数据确定单元，被配置成根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据；条件确定单元，被配置成响应于确定所述输出数据不满足与所述目标模型对应的条件，从所述预设的至少一个模型中重新选取所述目标模型，直至所述输出数据满足与所述目标模型对应的条件；封面确定单元，被配置成根据所述输出数据，从所述目标视频中确定出动态封面。
根据第三方面，提供了一种用于处理视频的电子设备，包括：一个或多个计算单元；存储单元，用于存储一个或多个程序；当一个或多个程序被一个或多个计算单元执行，使得一个或多个计算单元实现如上任意一项用于处理视频的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上任意一项用于处理视频的方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被计算单元执行时实现如上任意一项用于训练目标检测模型的方法或目标检测方法。
根据本申请的技术，提供一种用于处理视频的方法，能够从预设的至少一个模型中确定目标模型，并根据目标模型和目标视频确定目标模型的输出数据，如果输出数据满足与目标模型对应的条件，可以根据输出数据从目标视频中确定出动态封面。这一过程能够从至少一个模型中确定出合适的目标模型，提高了模型确定的精准度，从而根据目标模型和对应的条件，确定目标视频的动态封面，能够提高封面确定的精准度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
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处理视频的方法的一个实施例的流程图；
图3是根据本申请的用于处理视频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处理视频的方法的另一个实施例的流程图；
图5是根据本申请的用于处理视频的装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的用于处理视频的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
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。
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
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处理视频的方法或用于处理视频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可以为电视、电脑以及平板等电子设备，在其上可以安装有各种类型的客户端应用，例如短视频娱乐应用等。用户可以通过终端设备101、102、103运行短视频娱乐应用获取该应用中的海量短视频。
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，可以是各种电子设备，包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、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)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如获取终端设备101、102、103中短视频娱乐应用的视频，并且可以从预设的至少一个模型中确定出目标模型，再基于目标模型确定与每个视频对应的动态封面。进一步的，服务器105还可以通过网络104将每个视频对应的动态封面传输给终端设备101、102、103。以使用户在终端设备101、102、103中的短视频娱乐应用中浏览视频时，在视频卡加载出来的情况下，显示该视频对应的动态封面，以使用户根据动态封面了解到该视频的视频信息，提高了信息获取的效率。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105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105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)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于处理视频的方法可以由服务器105执行，也可以由终端设备101、102、103执行。相应地，用于处理视频的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
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。
继续参考图2，示出了根据本申请的用于处理视频的方法的一个实施例的流程200。本实施例的用于处理视频的方法，包括以下步骤：
步骤201，获取目标视频。
本实施例中，目标视频可以为短视频应用程序中的视频，也可以为社交应用程序中用户分享的视频，也可以为搜索应用程序中的词条释义视频等等，本实施例对目标视频的来源不做限定。执行主体(如图1中的终端设备101、102、103或者服务器105)可以通过网络获取到这些应用程序中的目标视频。在获取到目标视频之后，执行主体可以选择下载目标视频，或者在线浏览目标视频，本实施例对此不做限定。
步骤202，从预设的至少一个模型中选取目标模型。
本实施例中，预设的至少一个模型中每个模型均可以用于对视频进行处理，得到能够辅助确定动态封面的输出数据。其中预设的至少一个模型可以包括但不限于人脸识别模型、行为识别模型、语义解析模型、内容评分模型等等。具体的，人脸识别模型可以用于识别目标视频中的人脸图像，行为识别模型可以用于识别目标视频中的行为数据，语义解析模型可以用于识别目标视频中的字幕的释义，内容评分模型可以用于识别目标视频中的内容精彩度等等。这些不同的视频处理模型可以为不同维度上识别目标视频的模型，能够满足对于目标视频识别的多种需求。进一步的，执行主体从预设的至少一个模型中确定目标模型，可以依据当前的处理需求确定目标模型，也可以依据预设的各个模型的优先级确定目标模型。可选的，可以设置人脸识别模型的优先级高于行为识别模型，行为识别模型的优先级高于内容评分模型。
其中，从预设的至少一个模型中，确定目标模型可以包括：获取目标视频对应的视频处理类别；响应于确定视频处理类别为用于指示相关度优先的第一类别，从预设的至少一个模型中确定相关度对应的目标模型；响应于确定视频处理类别为用于指示精彩度优先的第二类别，从预设的至少一个模型中确定精彩度对应的目标模型。
本实现方式中，预设的至少一个模型中可以包括相关度对应的模型以及精彩度对应的模型。相关度对应的模型用于确定视频片段是否与视频标题相关联，以及视频动作是否与预设的动作相关联。精彩度对应的模型用于确定视频片段是否能够代表整段视频以及视频片段内部是否为连续的视频帧画面。相关度对应的模型可以包括但不限于上述的人脸识别模型、行为识别模型，精彩度对应的模型可以包括但不限于上述的内容评分模型。这一过程可以根据不同的封面需求，如优先选择相关性高的封面或者优先选择精彩度高的封面，选择相应的目标模型。对于封面生成而言，更加灵活地满足多种生成需求。
步骤203，根据目标视频以及目标模型，确定目标模型的输出数据。
本实施例中，执行主体在确定出目标模型之后，可以利用目标模型对目标视频进行视频处理，得到目标模型的输出数据。其中，目标模型的输出数据是基于对目标视频的视频特征进行分析得到的输出数据。例如，如果目标模型为上述的人脸识别模型，根据目标视频以及目标模型确定的输出数据可以为目标视频中的人脸与目标视频的标题的匹配度；如果目标模型为上述的行为识别模型，根据目标视频以及目标模型确定的输出数据可以为目标视频中的行为与预设的行为的匹配度；如果目标模型为上述的内容评分模型，根据目标视频以及目标模型确定的输出数据可以为目标视频的各个视频帧对应的内容得分；如果目标模型为上述的语义解析模型，根据目标视频以及目标模型确定的输出数据可以为目标视频的字幕与目标视频的标题的匹配度等等。
步骤204，响应于确定输出数据不满足与目标模型对应的条件，从预设的至少一个模型中重新选取目标模型，直至输出数据满足与目标模型对应的条件。
本实施例中，上述的至少一个模型中的各个模型对应有相应的条件。如果目标模型的输出数据满足该目标模型对应的条件，则根据目标模型的输出数据，从目标视频中确定出动态封面。如果目标模型的输出数据不满足该目标模型对应的条件，则从预设的至少一个模型中重新选取目标模型，直至目标模型的输出数据满足该目标模型对应的条件。
步骤205，根据输出数据，从目标视频中确定出动态封面。
本实施例中，其中，动态封面可以为目标视频中的视频帧组成的视频片段。举例来说，在目标模型为上述的人脸识别模型的情况下，与人脸识别模型对应的条件可以为目标视频中的人脸与目标视频的标题的匹配度较高，此时说明目标视频中具有目标视频标题中的人物视频片段，可以根据目标视频中的人脸与目标视频的标题的相似度，从目标视频中选取出现该人脸的视频片段作为动态封面。又或者，在目标模型为上述的行为识别模型的情况下，与行为识别模型对应的条件可以为目标视频中的行为出现指定动作的概率较高，此时可以根据目标视频中的行为出现指定动作的概率，从目标视频中选取出现预设的行为的视频片段作为动态封面。又或者，在目标模型为上述的内容评分模型的情况下，与内容评分模型对应的条件可以为目标视频中的内容评分较高，此时说明目标视频中具有较为精彩的内容，可以根据目标视频中各个视频帧对应的内容评分，从目标视频中选取内容评分最高的视频片段作为动态封面。
继续参见图3，其示出了根据本申请的用于处理视频的方法的一个应用场景的示意图。在图3的应用场景中，上述用于处理视频的方法可以应用到生成目标视频的动态封面的场景中。如图3所示，需要生成动态封面的目标视频301包括若干连续的视频帧，将目标视频301输入服务器302中，使得服务器302执行本实施例中用于处理视频的方法，从目标视频301中选取动态封面303。其中，也可以将目标视频301输入终端设备等其它电子设备，使得电子设备执行本实施例中用于处理视频的方法，从目标视频301中选取一定数目的视频帧，将该一定数目的视频帧确定为动态封面303。在将该目标视频301推送到终端设备供用户选择播放的情况下，终端设备在确定用户定位到该目标视频301的情况下，可以在该目标视频301所处的显示区域播放动态封面303。用户可以通过动态封面303所播放的内容确定是否观看完整的目标视频301。由于动态封面303的确定过程采用了预设的至少一个模型，根据从预设的至少一个模型中确定出的目标模型以及该目标模型对应的条件，能够从目标视频中确定出精准度较高的动态封面，因而用户可以根据动态封面较为精准地预估目标视频301的内容，提高了信息获取效率。
本申请上述实施例提供的用于处理视频的方法，通过在预设的至少一个模型中确定出合适的目标模型，根据该目标模型和该目标模型对应的条件，能够根据目标模型的输出数据，从目标视频中精准地确定动态封面。基于至少一个模型中，提高了封面确定的精准度。
继续参见图4，其示出了根据本申请的用于处理视频的方法的另一个实施例的流程400。如图4所示，本实施例的用于处理视频的方法可以包括以下步骤：
步骤401，获取目标视频。
本实施例中，针对步骤401的详细描述请参照针对步骤201的详细描述，在此不再赘述。
在本实施例的一些可选的实现方式中，获取目标视频可以包括：基于视频地址和/或视频标题，获取目标视频。
本实现方式中，视频地址可以为目标视频的地址链接，通过该地址链接可以定位到目标视频所在的位置。视频标题可以为目标视频的标题，通常为能够反映目标视频的内容的关键信息。基于视频地址和/或视频标题，根据视频地址与目标视频之间的对应关系和/或视频标题与目标视频之间的对应关系即可获取目标视频。
步骤402，确定选取次数。
步骤403，从预设的至少一个模型中，确定预设的模型选取顺序中与选取次数相匹配的模型作为目标模型。
本实施例中，可以按照预设的选取顺序进行选取目标模型，也可以按照至少一个模型中的各个模型的模型权重进行选取等等，本实施例中对此不做限定。其中，选取次数用于指示选取目标模型的次数，选取次数为1可以指示第一次选取目标模型。进一步的，可以确定预设的至少一个模型中的每个模型对应的选取顺序，该选取顺序可以为预先设定好的顺序。从预设的至少一个模型中可以确定选取顺序与当前的选取次数相匹配的目标模型。例如，如果选取次数为2，预设的至少一个模型中的上述的第二模型对应的选取顺序为2，此时可以将上述的第二模型确定为目标模型。
在本实施例的一些可选的实现方式中，还可以执行以下步骤选取目标模型：确定预设的至少一个模型中的各个模型的初始权重，该初始权重为预先设置的与模型属性相匹配的权重；按照该初始权重由高至低的顺序，从预设的至少一个模型中依次确定目标模型。可选的，在每次确定目标模型之后，可以更新初始权重，用以标记选取的模型。
举例来说，假设预设的至少一个模型中包括第一模型、第二模型和第三模型。与第一模型对应有第一权重，与第二模型对应有第二权重，与第三模型对应有第三权重。并且，第一权重的数值大于第二权重，第二权重的数值大于第三权重。在第一次确定目标模型时，可以将第一模型确定为目标模型。在此之后，可以将第一权重的数值降低预设的比例，以此更新初始权重。在第二次确定目标模型时，如果此时降低后的第一权重的数值小于第三权重，则可以在本次确定目标模型时确定第二模型为目标模型。
步骤404，根据目标视频以及目标模型，确定目标模型的输出数据。
本实施例中，目标模型包括人脸识别模型、行为识别模型以及内容评分模型中的任意组合。可选的，目标视频可以作为目标模型的输入数据，目标模型可以输出与目标视频对应的目标模型的输出数据。对于步骤404的详细描述请参照对步骤203的详细描述，在此不再赘述。
在本实施例的一些可选的实现方式中，根据目标视频以及目标模型，确定目标模型的输出数据，包括：根据目标视频和人脸识别模型，确定目标视频中的人脸图像和预设的至少一个人脸对象的相似度。
本实现方式中，人脸识别模型可以识别目标视频中各个视频帧的人脸对象，并确定该人脸对象与预设的至少一个人脸对象的相似度。其中，预设的至少一个人脸对象可以包括至少一个名人的人脸。可选的，人脸识别模型在识别出目标视频中各个视频帧的人脸对象之后，还可以计算人脸部分的尺寸与总图像尺寸的比例。在根据目标模型的输出数据，从目标视频中确定动态封面的时候，可以将该比例最大的视频帧对应的视频片段确定为动态封面。
在本实施例的一些可选的实现方式中，目标视频包括标题，标题包括人名；以及，还可以执行以下步骤：响应于确定相似度小于预设的第一阈值、或者相似度大于或者等于第一阈值但目标视频中的人脸对象与人名不匹配，确定输出数据不满足与目标模型对应的条件。
本实现方式中，如果目标视频中的人脸图像和预设的至少一个人脸对象的相似度大于或者等于预设的第一阈值，则说明目标视频中有名人的人脸出现，可以进一步确定人脸对象和视频标题中的人名是否匹配。其中，将目标视频中的人脸对象和人名进行匹配，可以确定目标视频中出现的名人是否为视频标题中的名人。根据上述的相似度和上述的目标视频中的人脸对象与人名是否匹配，可以共同确定目标模型的输出数据是否满足目标模型对应的条件。如果相似度小于预设的第一阈值，或者相似度大于或者等于第一阈值但目标视频中的人脸对象与人名不匹配，可以确定输出数据不满足与目标模型对应的条件。
在本实施例的一些可选的实现方式中，根据目标视频以及目标模型，确定目标模型的输出数据，包括：根据目标视频以及行为识别模型，确定目标视频中的行为信息包含指定动作的概率得分。
本实现方式中，行为识别模型用于识别目标视频中的行为信息，并确定目标视频中的行为信息包含指定动作的概率得分。其中，行为识别模型可以为图像二分类模型，在对该图像二分类模型进行训练的过程中，可以将包含指定动作的行为确定为正样本，将不包含指定动作的行为确定为负样本。将目标视频输入行为识别模型之后，根据行为识别模型前向计算的结果，可以得到目标视频中各个视频帧中的行为信息包含指定动作的的概率得分。根据概率得分，可以确定目标模型的输出数据。其中，指定动作可以包括但不限于拥抱行为信息、接吻行为信息等。
在本实施例的一些可选的实现方式中，还可以执行以下步骤：响应于确定概率得分小于预设的第二阈值，确定输出数据不满足与目标模型对应的条件。
本实现方式中，如果目标模型的输出数据指示概率得分小于预设的第二阈值，则说明目标视频中包含指定动作的概率较小，此时可以确定目标模型的输出数据不满足行为识别模型对应的条件。如果目标模型的输出数据指示概率得分大于或者等于预设的第二阈值，则说明目标视频中包含指定动作的概率较大，此时可以确定目标模型的输出数据满足行为识别模型对应的条件。
在本实施例的一些可选的实现方式中，根据目标视频以及目标模型，确定目标模型的输出数据，包括：对于目标视频中的多个视频帧，根据内容评分模型，得到各个视频帧的内容得分。
本实现方式中，内容评分模型为用于对目标视频中的视频内容进行评分的模型。将目标视频输入内容评分模型，可以得到目标视频中多个视频帧的内容得分。
在本实施例的一些可选的实现方式中，对于目标视频中的多个视频帧，根据内容评分模型，得到各个视频帧的内容得分，包括：将目标视频中的多个视频帧输入内容评分模型，以使内容评分模型确定各个视频帧的特征信息，并基于各个视频帧的特征信息确定各个视频帧之间的差异特征和相似特征，以及根据差异特征和相似特征输出各个视频帧的内容得分。
本实现方式中，各个视频帧之间的差异特征可以反映视频帧之间存在差异的特征，各个视频帧之间的相似特征可以反映视频帧之间存在相似的特征。基于差异特征可以筛选出区别于其他视频帧的视频帧，基于相似特征可以筛选出能代表视频的视频帧，从而从差异性和代表性两部分可以筛选出精彩的内容。
在本实施例的一些可选的实现方式中，还可以执行以下步骤：响应于确定内容得分小于预设的第三阈值，确定输出数据不满足与目标模型对应的条件。
本实现方式中，如果内容得分小于预设的第三阈值，则说明该目标视频中不存在较为精彩的内容片段，此时可以确定目标模型的输出数据不满足与行为识别模型对应的条件。如果内容得分大于或者等于预设的第三阈值，则说明该目标视频中存在较为精彩的内容片段，此时可以确定目标模型的输出数据满足与行为识别模型对应的条件。
在本实施例的一些可选的实现方式中，内容评分模型通过如下步骤训练得到：获取样本视频；将样本视频输入待训练的内容评分模型，以使待训练的内容评分模型提取样本视频中各个视频帧的特征信息，并基于特征信息确定样本视频中各个视频帧的内容得分，以及基于样本视频中各个视频帧的内容得分确定样本视频片段；确定样本视频片段对应的片段内部参数和片段外部参数；根据片段内部参数和片段外部参数，训练待训练的内容评分模型，得到训练好的内容评分模型。
本实现方式中，内容评分模型可以基于CNN(Convolutional Neural Networks，卷积神经网络)、LSTM(Long Short-Term Memory，长短期记忆网络)以及强化学习确定得到。可选的，可以采用Auto Encoder-Decoder(自动编码-解码)框架作为内容评分模型的编码框架。其中，编码器可以采用Resnet(Residual Neural Network，残差网络)，解码器可以采用双向的LSTM。在内容评分模型的训练阶段，可以先获取样本视频，再将样本视频输入待训练的内容评分模型，以使待训练的内容评分模型通过CNN提取样本视频中各个视频帧的特征信息，再将各个视频帧的特征信息输入LSTM得到各个视频帧的内容得分，其中，内容得分用于描述该视频帧的内容被选中作为动态封面的概率。进一步的，可以根据内容得分对样本视频进行伯努利采样，得到样本视频片段。再去确定样本视频片段对应的片段内部参数和片段外部参数。其中，片段内部参数用于描述视频片段的帧间的差异性，片段外部参数用于描述该视频片段能代表样本视频的代表性。基于片段内部参数和片段外部参数，可以构造得出奖励函数。根据奖励函数可以反馈更新待训练的内容评分模型，得到训练好的内容评分模型。其中，奖励函数基于以下公式确定得出：
R(S)＝Rdiv+Rrep
其中，R(S)表示奖励函数，Rdiv表示片段内部参数，Rrep表示片段外部参数。
片段内部参数基于以下公式确定得出：
Figure BDA0002842385140000121
其中，y表示视频的视频帧总数，xt表示视频中第t帧的特征向量，d表示计算余弦相似度。
片段外部参数基于以下公式确定得出：
Figure BDA0002842385140000122
其中，T表示视频的时长。需要说明的是，在视频的速率为1帧/秒的情况下，T和y的数值相等。在这一情况下，t表示第t帧以及第t秒。
步骤405，响应于确定输出数据不满足与目标模型对应的条件，从预设的至少一个模型中重新选取目标模型，直至输出数据满足与目标模型对应的条件。
本实施例中，对于步骤405的详细描述请参照对步骤204的详细描述，在此不再赘述。
步骤406，根据输出数据，从目标视频中确定出动态封面。
本实施例中，对于步骤406的详细描述请参照对步骤205的详细描述，在此不再赘述。
在本实施例的一些可选的实现方式中，根据目标模型的输出数据，从目标视频中确定出动态封面，包括：根据预设的视频片段长度，确定目标视频对应的候选视频片段集合；根据目标模型的输出数据，从候选视频片段集合中确定出动态封面。
本实现方式中，预设的视频片段长度可以包括时长和帧数目，例如可以为6秒或者10帧等等，本实施例对于具体的数值不做限定。根据预设的视频片段长度可以确定目标视频对应的候选视频片段集合。其中，候选视频片段集合中的每个候选视频片段的长度均为该预设的视频片段长度。具体的，可以先获取目标视频中各帧视频的特征向量(该特征向量为计算片段外部参数时获取到的向量)，再根据特征向量从候选视频片段集合中选取片段内部为连续画面且片段能够代表整个视频的候选视频片段。
在本实施例的一些可选的实现方式中，根据目标模型的输出数据，从候选视频片段集合中确定出动态封面，包括：根据目标模型的输出数据，确定候选视频片段集合中的每个候选视频片段对应的内容得分；根据每个候选视频片段对应的内容得分，在候选视频片段集合中确定动态封面。
本实现方式中，可以根据内容评分模型的目标模型的输出数据，确定候选片段集合中的每个候选视频片段中各视频帧的内容得分，将各视频帧的内容得分综合得到该候选视频片段的内容得分。优选的，可以将内容得分的分值最高的候选视频片段确定为动态封面。
在本实施例的一些可选的实现方式中，根据目标视频以及目标模型，确定目标模型的输出数据，包括：对目标视频进行均匀抽帧，得到视频帧集合；根据视频帧集合和目标模型，确定目标模型的输出数据。
本实现方式中，可以对目标视频进行均匀抽帧，得到视频帧集合。具体的，可以间隔预设数量的帧数目进行抽取，也可以间隔预设时间进行抽取，本实施例对此不做限定。可选的，还可以结合关键帧所在位置，对目标视频进行均匀抽帧，以使视频帧集合中的视频帧能够包含需要使用的关键帧。进一步的，可以将视频帧集合中的各个视频帧依次输入目标模型，来确定目标模型的输出数据。
在本实施例的一些可选的实现方式中，根据预设的视频片段长度，确定目标视频对应的候选视频片段集合，包括：确定目标视频中出现视频黑边的黑边视频帧；根据目标视频中除黑边视频帧之外的其它视频帧以及预设的视频片段长度，确定目标视频对应的候选视频片段集合。
本实现方式中，可以检测目标视频中出现视频黑边的视频帧，将其确定为黑边视频帧，再根据目标视频中除黑边视频帧之外的其它视频帧以及预设的视频片段长度，确定候选视频片段集合。以使确定出的候选视频片段集合中不包含黑边视频帧，或者包含的黑边视频帧的数目较少。对于检测目标视频中出现视频黑边的视频帧的步骤，可以采用现有的黑边检测技术，在此不再赘述。
在本实施例的一些可选的实现方式中，根据预设的视频片段长度，确定目标视频对应的候选视频片段集合，包括：确定目标视频中出现静止画面的静止视频帧；根据目标视频中除静止视频帧之外的其它视频帧以及预设的视频片段长度，确定目标视频对应的候选视频片段集合。
本实现方式中，可以检测目标视频中出现静止画面的视频帧，将其确定为静止视频帧，再根据目标视频中除静止视频帧之外的其它视频帧以及预设的视频片段长度，确定候选视频片段集合。以使确定出的候选视频片段集合中不包含静止视频帧，或者包含的静止视频帧的数目较少。对于检测目标视频中出现静止画面的视频帧的步骤，可以采用现有的静止画面识别技术，在此不再赘述。
举例来说，可以基于视频地址和/或视频标题获取到目标视频，再根据预设的选取顺序，先从预设的至少一个模型中，确定出人脸识别模型作为目标模型，根据目标视频和人脸识别模型，确定目标视频中是否存在与视频标题中的名人对应的人脸。如果目标视频中存在该名人对应的人脸，确定目标模型的输出数据满足人脸识别模型对应的条件，从目标视频中选取名人对应的人脸出现的视频片段作为动态封面。如果目标视频中不存在该名人对应的人脸，确定目标模型的输出数据不满足人脸识别模型对应的条件，从至少一个模型中重新选取行为识别模型。再根据目标视频和行为识别模型，确定目标视频中是否存在预设的行为。如果目标视频中存在预设的行为，确定目标模型的输出数据满足与目标模型对应的条件，将包含预设的行为的视频片段作为动态封面。如果目标视频中不存在预设的行为，确定目标模型的输出数据不满足与目标模型对应的条件，再从至少一个模型中重新选取内容评价模型。根据目标视频和内容评价模型，计算得出目标视频中各帧视频的内容得分，再选取内容得分最高的片段作为动态封面。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理视频的方法的流程400，还可以响应于确定目标模型的输出数据不满足与目标模型对应的条件，重新选取目标模型，能够重新确定目标模型的输出数据，直至新的目标模型的输出数据能够满足目标模型对应的条件，从目标视频中确定出动态封面。这一过程可以实现多个模型依照顺序依次确定目标模型的输出数据是否满足相应的条件，选取满足相应的条件的模型的目标模型的输出数据确定动态封面，进一步提高了动态封面确定的精准度。并且目标模型可以包括人脸识别模型、行为识别模型以及内容识别模型，通过这三个模型可以考虑到视频图像与视频标题的关联特征、视频图像中的行为特征以及视频内容的精彩度，综合得到动态封面，能够提高动态封面和视频的相关性，以及动态封面的精彩性，动态封面选取效果更佳。其中的内容识别模型可以为无标签信息的无监督模型，降低了模型训练的标注成本，模型训练效率更高。此外，还可以利用黑边检测、静止画面识别以及场景分段等技术手段确定候选视频片段，提高了动态封面的有效性。
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处理视频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，本实施例的用于处理视频的装置500包括：视频获取单元501、模型选取单元502、数据确定单元503、条件确定单元504和封面确定单元505。
视频获取单元501，被配置成获取目标视频。
模型选取单元502，被配置成从预设的至少一个模型中选取目标模型。
数据确定单元503，被配置成根据目标视频以及目标模型，确定目标模型的输出数据。
条件确定单元504，被配置成响应于确定输出数据不满足与目标模型对应的条件，从预设的至少一个模型中重新选取目标模型，直至输出数据满足与目标模型对应的条件。
封面确定单元505，被配置成根据输出数据，从目标视频中确定出动态封面。
在本实施例的一些可选的实现方式中，目标模型通过以下步骤选取：确定选取次数；从预设的至少一个模型中，确定预设的模型选取顺序中与选取次数相匹配的模型作为目标模型。
在本实施例的一些可选的实现方式中，目标模型包括人脸识别模型；以及数据确定单元503进一步被配置成：根据目标视频和人脸识别模型，确定目标视频中的人脸对象和预设的至少一个人脸对象的相似度。
在本实施例的一些可选的实现方式中，目标视频包括标题，标题包括人名；以及条件确定单元504进一步被配置成：响应于确定相似度小于预设的第一阈值、或者相似度大于或者等于第一阈值但目标视频中的人脸对象与人名不匹配，确定输出数据不满足与目标模型对应的条件。
在本实施例的一些可选的实现方式中，目标模型包括行为识别模型；以及数据确定单元503进一步被配置成：根据目标视频以及行为识别模型，确定目标视频中的行为信息包含指定动作的概率得分。
在本实施例的一些可选的实现方式中，条件确定单元504进一步被配置成：响应于确定概率得分小于预设的第二阈值，确定输出数据不满足与目标模型对应的条件。
在本实施例的一些可选的实现方式中，目标模型包括内容评分模型；以及数据确定单元503进一步被配置成：对于目标视频中的多个视频帧，根据内容评分模型，得到各个视频帧的内容得分。
在本实施例的一些可选的实现方式中，装置还包括：第二条件确定单元504，被配置成响应于确定目标模型的输出数据指示概率得分大于预设的第三阈值，确定目标模型的输出数据满足与行为识别模型对应的条件。
在本实施例的一些可选的实现方式中，数据确定单元503进一步被配置成：将目标视频中的多个视频帧输入内容评分模型，以使内容评分模型确定各个视频帧的特征信息，并基于各个视频帧的特征信息确定各个视频帧之间的差异特征和相似特征，以及根据差异特征和相似特征输出各个视频帧的内容得分。
在本实施例的一些可选的实现方式中，条件确定单元504进一步被配置成：响应于确定内容得分小于预设的第三阈值，确定输出数据不满足与目标模型对应的条件。
在本实施例的一些可选的实现方式中，封面确定单元505进一步被配置成：根据预设的视频片段长度，确定目标视频对应的候选视频片段集合；根据输出数据，从候选视频片段集合中确定出动态封面。
在本实施例的一些可选的实现方式中，封面确定单元505进一步被配置成：根据输出数据，确定候选视频片段集合中的每个候选视频片段对应的内容得分；根据每个候选视频片段对应的内容得分，在候选视频片段集合中确定动态封面。
在本实施例的一些可选的实现方式中，数据确定单元503进一步被配置成：对目标视频进行均匀抽帧，得到视频帧集合；根据视频帧集合和目标模型，确定目标模型的输出数据。
在本实施例的一些可选的实现方式中，内容评分模型通过如下步骤训练得到：获取样本视频；将样本视频输入待训练的内容评分模型，以使待训练的内容评分模型提取样本视频中各个视频帧的特征信息，并基于特征信息确定样本视频中各个视频帧的内容得分，以及基于样本视频中各个视频帧的内容得分确定样本视频片段；确定样本视频片段对应的片段内部参数和片段外部参数；根据片段内部参数和片段外部参数，训练待训练的内容评分模型，得到训练好的内容评分模型。
在本实施例的一些可选的实现方式中，封面确定单元505进一步被配置成：确定目标视频中出现视频黑边的黑边视频帧；根据目标视频中除黑边视频帧之外的其它视频帧以及预设的视频片段长度，确定目标视频对应的候选视频片段集合。
在本实施例的一些可选的实现方式中，封面确定单元504进一步被配置成：确定目标视频中出现静止画面的静止视频帧；根据目标视频中除静止视频帧之外的其它视频帧以及预设的视频片段长度，确定目标视频对应的候选视频片段集合。
应当理解，用于处理视频的装置500中记载的单元501至单元503分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于处理视频的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了用来实现本公开实施例的用于视频处理的方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号计算单元(DSP)、以及任何适当的计算单元、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如用于视频处理的方法。例如，在一些实施例中，用于视频处理的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的用于视频处理的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于视频处理的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程计算单元的可编程系统上执行和/或解释，该可编程计算单元可以是专用或者通用可编程计算单元，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的计算单元或控制器，使得程序代码当由计算单元或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (33)

1.一种用于处理视频的方法，所述方法包括：
获取目标视频；
从预设的至少一个模型中选取目标模型；
根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据；
响应于确定所述输出数据不满足与所述目标模型对应的条件，从所述预设的至少一个模型中重新选取所述目标模型，直至所述输出数据满足与所述目标模型对应的条件；
根据所述输出数据，从所述目标视频中确定出动态封面。
2.根据权利要求1所述的用于处理视频的方法，其中，所述目标模型通过以下步骤选取：
确定选取次数；
从所述预设的至少一个模型中，确定预设的模型选取顺序中与所述选取次数相匹配的模型作为所述目标模型。
3.根据权利要求1所述的用于处理视频的方法，其中，所述目标模型包括人脸识别模型；以及
所述根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据，包括：
根据所述目标视频和所述人脸识别模型，确定所述目标视频中的人脸对象和预设的至少一个人脸对象的相似度。
4.根据权利要求3所述的用于处理视频的方法，其中，所述目标视频包括标题，所述标题包括人名；以及
所述方法还包括：
响应于确定所述相似度小于预设的第一阈值、或者所述相似度大于或者等于所述第一阈值但所述目标视频中的人脸对象与所述人名不匹配，确定所述输出数据不满足与所述目标模型对应的条件。
5.根据权利要求1所述的用于处理视频的方法，其中，所述目标模型包括行为识别模型；以及
所述根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据，包括：
根据所述目标视频以及所述行为识别模型，确定所述目标视频中的行为信息包含指定动作的概率得分。
6.根据权利要求5所述的用于处理视频的方法，其中，所述方法还包括：
响应于确定所述概率得分小于预设的第二阈值，确定所述输出数据不满足与所述目标模型对应的条件。
7.根据权利要求1所述的用于处理视频的方法，其中，所述目标模型包括内容评分模型；以及
所述根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据，包括：
对于所述目标视频中的多个视频帧，根据所述内容评分模型，得到各个视频帧的内容得分。
8.根据权利要求7所述的用于处理视频的方法，其中，所述对于所述目标视频中的多个视频帧，根据所述内容评分模型，得到各个视频帧的内容得分，包括：
将所述目标视频中的多个视频帧输入所述内容评分模型，以使所述内容评分模型确定各个视频帧的特征信息，并基于各个视频帧的特征信息确定各个视频帧之间的差异特征和相似特征，以及根据所述差异特征和所述相似特征输出各个视频帧的内容得分。
9.根据权利要求7所述的用于处理视频的方法，其中，所述方法还包括：
响应于确定所述内容得分小于预设的第三阈值，确定所述输出数据不满足与所述目标模型对应的条件。
10.根据权利要求9所述的用于处理视频的方法，其中，所述根据所述输出数据，从所述目标视频中确定出动态封面，包括：
根据预设的视频片段长度，确定所述目标视频对应的候选视频片段集合；
根据所述输出数据，从所述候选视频片段集合中确定出动态封面。
11.根据权利要求10所述的用于处理视频的方法，其中，所述根据所述输出数据，从所述候选视频片段集合中确定出动态封面，包括：
根据所述输出数据，确定所述候选视频片段集合中的每个候选视频片段对应的内容得分；
根据每个候选视频片段对应的内容得分，在所述候选视频片段集合中确定所述动态封面。
12.根据权利要求1所述的用于处理视频的方法，其中，所述根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据，包括：
对所述目标视频进行均匀抽帧，得到视频帧集合；
根据所述视频帧集合和所述目标模型，确定所述目标模型的输出数据。
13.根据权利要求7所述的用于处理视频的方法，其中，所述内容评分模型通过如下步骤训练得到：
获取样本视频；
将所述样本视频输入待训练的内容评分模型，以使所述待训练的内容评分模型提取所述样本视频中各个视频帧的特征信息，并基于所述特征信息确定所述样本视频中各个视频帧的内容得分，以及基于所述样本视频中各个视频帧的内容得分确定样本视频片段；
确定所述样本视频片段对应的片段内部参数和片段外部参数；
根据所述片段内部参数和所述片段外部参数，训练所述待训练的内容评分模型，得到训练好的所述内容评分模型。
14.根据权利要求10所述的用于处理视频的方法，其中，所述根据预设的视频片段长度，确定所述目标视频对应的候选视频片段集合，包括：
确定所述目标视频中出现视频黑边的黑边视频帧；
根据所述目标视频中除所述黑边视频帧之外的其它视频帧以及所述预设的视频片段长度，确定所述目标视频对应的候选视频片段集合。
15.根据权利要求10所述的用于处理视频的方法，其中，所述根据预设的视频片段长度，确定所述目标视频对应的候选视频片段集合，包括：
确定所述目标视频中出现静止画面的静止视频帧；
根据所述目标视频中除所述静止视频帧之外的其它视频帧以及所述预设的视频片段长度，确定所述目标视频对应的候选视频片段集合。
16.一种用于处理视频的装置，所述装置包括：
视频获取单元，被配置成获取目标视频；
模型选取单元，被配置成从预设的至少一个模型中选取目标模型；
数据确定单元，被配置成根据所述目标视频以及所述目标模型，确定所述目标模型的输出数据；
条件确定单元，被配置成响应于确定所述输出数据不满足与所述目标模型对应的条件，从所述预设的至少一个模型中重新选取所述目标模型，直至所述输出数据满足与所述目标模型对应的条件；
封面确定单元，被配置成根据所述输出数据，从所述目标视频中确定出动态封面。
17.根据权利要求16所述的用于处理视频的装置，其中，所述目标模型通过以下步骤选取：
确定选取次数；
从所述预设的至少一个模型中，确定预设的模型选取顺序中与所述选取次数相匹配的模型作为所述目标模型。
18.根据权利要求16所述的用于处理视频的装置，其中，所述目标模型包括人脸识别模型；以及
所述数据确定单元进一步被配置成：
根据所述目标视频和所述人脸识别模型，确定所述目标视频中的人脸对象和预设的至少一个人脸对象的相似度。
19.根据权利要求18所述的用于处理视频的装置，其中，所述目标视频包括标题，所述标题包括人名；以及
所述条件确定单元进一步被配置成：
响应于确定所述相似度小于预设的第一阈值、或者所述相似度大于或者等于所述第一阈值但所述目标视频中的人脸对象与所述人名不匹配，确定所述输出数据不满足与所述目标模型对应的条件。
20.根据权利要求16所述的用于处理视频的装置，其中，所述目标模型包括行为识别模型；以及
所述数据确定单元进一步被配置成：
根据所述目标视频以及所述行为识别模型，确定所述目标视频中的行为信息包含指定动作的概率得分。
21.根据权利要求20所述的用于处理视频的装置，其中，所述条件确定单元进一步被配置成：
响应于确定所述概率得分小于预设的第二阈值，确定所述输出数据不满足与所述目标模型对应的条件。
22.根据权利要求16所述的用于处理视频的装置，其中，所述目标模型包括内容评分模型；以及
所述数据确定单元进一步被配置成：
对于所述目标视频中的多个视频帧，根据所述内容评分模型，得到各个视频帧的内容得分。
23.根据权利要求22所述的用于处理视频的装置，其中，所述数据确定单元进一步被配置成：
将所述目标视频中的多个视频帧输入所述内容评分模型，以使所述内容评分模型确定各个视频帧的特征信息，并基于各个视频帧的特征信息确定各个视频帧之间的差异特征和相似特征，以及根据所述差异特征和所述相似特征输出各个视频帧的内容得分。
24.根据权利要求21所述的用于处理视频的装置，其中，所述条件确定单元进一步被配置成：
响应于确定所述内容得分小于预设的第三阈值，确定所述输出数据不满足与所述目标模型对应的条件。
25.根据权利要求24所述的用于处理视频的装置，其中，所述封面确定单元进一步被配置成：
根据预设的视频片段长度，确定所述目标视频对应的候选视频片段集合；
根据所述输出数据，从所述候选视频片段集合中确定出动态封面。
26.根据权利要求25所述的用于处理视频的装置，其中，所述封面确定单元进一步被配置成：
根据所述输出数据，确定所述候选视频片段集合中的每个候选视频片段对应的内容得分；
根据每个候选视频片段对应的内容得分，在所述候选视频片段集合中确定所述动态封面。
27.根据权利要求16所述的用于处理视频的装置，其中，所述数据确定单元进一步被配置成：
对所述目标视频进行均匀抽帧，得到视频帧集合；
根据所述视频帧集合和所述目标模型，确定所述目标模型的输出数据。
28.根据权利要求22所述的用于处理视频的装置，其中，所述内容评分模型通过如下步骤训练得到：
获取样本视频；
将所述样本视频输入待训练的内容评分模型，以使所述待训练的内容评分模型提取所述样本视频中各个视频帧的特征信息，并基于所述特征信息确定所述样本视频中各个视频帧的内容得分，以及基于所述样本视频中各个视频帧的内容得分确定样本视频片段；
确定所述样本视频片段对应的片段内部参数和片段外部参数；
根据所述片段内部参数和所述片段外部参数，训练所述待训练的内容评分模型，得到训练好的所述内容评分模型。
29.根据权利要求25所述的用于处理视频的装置，其中，所述封面确定单元进一步被配置成：
确定所述目标视频中出现视频黑边的黑边视频帧；
根据所述目标视频中除所述黑边视频帧之外的其它视频帧以及所述预设的视频片段长度，确定所述目标视频对应的候选视频片段集合。
30.根据权利要求25所述的用于处理视频的装置，其中，所述封面确定单元进一步被配置成：
确定所述目标视频中出现静止画面的静止视频帧；
根据所述目标视频中除所述静止视频帧之外的其它视频帧以及所述预设的视频片段长度，确定所述目标视频对应的候选视频片段集合。
31.一种用于处理视频的电子设备，包括：
一个或多个计算单元；
存储单元，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计算单元执行，使得所述一个或多个计算单元实现如权利要求1-15中任一所述的方法。
32.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-15中任一项所述的方法。
33.一种计算机程序产品，包括计算机程序，所述计算机程序在被计算单元执行时实现根据权利要求1-15中任一项所述的方法。
CN202011496732.6A 2020-12-17 2020-12-17 用于处理视频的方法、装置、电子设备、介质和产品 Active CN112559800B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011496732.6A CN112559800B (zh) 2020-12-17 2020-12-17 用于处理视频的方法、装置、电子设备、介质和产品
US17/347,290 US11856277B2 (en) 2020-12-17 2021-06-14 Method and apparatus for processing video, electronic device, medium and product
JP2021100506A JP7394809B2 (ja) 2020-12-17 2021-06-16 ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム
EP21179672.7A EP3872652B1 (en) 2020-12-17 2021-06-16 Method and apparatus for processing video, electronic device, medium and product
KR1020210087453A KR102576344B1 (ko) 2020-12-17 2021-07-02 비디오를 처리하기 위한 방법, 장치, 전자기기, 매체 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011496732.6A CN112559800B (zh) 2020-12-17 2020-12-17 用于处理视频的方法、装置、电子设备、介质和产品

Publications (2)

Publication Number Publication Date
CN112559800A true CN112559800A (zh) 2021-03-26
CN112559800B CN112559800B (zh) 2023-11-14

Family

ID=75064731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011496732.6A Active CN112559800B (zh) 2020-12-17 2020-12-17 用于处理视频的方法、装置、电子设备、介质和产品

Country Status (5)

Country Link
US (1) US11856277B2 (zh)
EP (1) EP3872652B1 (zh)
JP (1) JP7394809B2 (zh)
KR (1) KR102576344B1 (zh)
CN (1) CN112559800B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449362A (zh) * 2022-03-17 2022-05-06 腾讯科技（上海）有限公司 视频封面的选取方法、装置、设备及存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627363B (zh) * 2021-08-13 2023-08-15 百度在线网络技术（北京）有限公司 视频文件的处理方法、装置、设备以及存储介质
CN114363660B (zh) * 2021-12-24 2023-09-08 腾讯科技（武汉）有限公司 视频合集确定方法、装置、电子设备及存储介质
CN115065865A (zh) * 2022-06-23 2022-09-16 北京奇艺世纪科技有限公司 一种视频合成方法、装置、电子设备及存储介质
CN116777914B (zh) * 2023-08-22 2023-11-07 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备以及计算机可读存储介质
CN117651159B (zh) * 2024-01-29 2024-04-23 杭州锐颖科技有限公司 一种运动实时视频自动剪辑推送方法与系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060257048A1 (en) * 2005-05-12 2006-11-16 Xiaofan Lin System and method for producing a page using frames of a video stream
US20160358367A1 (en) * 2015-06-07 2016-12-08 Apple Inc. Animation based on Content Presentation Structures
CN109145784A (zh) * 2018-08-03 2019-01-04 百度在线网络技术（北京）有限公司 用于处理视频的方法和装置
CN109977839A (zh) * 2019-03-20 2019-07-05 北京字节跳动网络技术有限公司 信息处理方法和装置
CN110399848A (zh) * 2019-07-30 2019-11-01 北京字节跳动网络技术有限公司 视频封面生成方法、装置及电子设备
CN110909205A (zh) * 2019-11-22 2020-03-24 北京金山云网络技术有限公司 一种视频封面确定方法、装置、电子设备及可读存储介质
CN111491173A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种直播封面确定方法、装置、计算机设备及存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6751354B2 (en) 1999-03-11 2004-06-15 Fuji Xerox Co., Ltd Methods and apparatuses for video segmentation, classification, and retrieval using image class statistical models
US20090251614A1 (en) 2006-08-25 2009-10-08 Koninklijke Philips Electronics N.V. Method and apparatus for automatically generating a summary of a multimedia content item
US20110047163A1 (en) 2009-08-24 2011-02-24 Google Inc. Relevance-Based Image Selection
JP2013207530A (ja) 2012-03-28 2013-10-07 Sony Corp 情報処理装置、情報処理方法、及びプログラム
US9508390B2 (en) 2013-07-12 2016-11-29 Apple Inc. Trick play in digital video streaming
US9344626B2 (en) 2013-11-18 2016-05-17 Apple Inc. Modeless video and still frame capture using interleaved frames of video and still resolutions
US20160014482A1 (en) * 2014-07-14 2016-01-14 The Board Of Trustees Of The Leland Stanford Junior University Systems and Methods for Generating Video Summary Sequences From One or More Video Segments
US9818032B2 (en) 2015-10-28 2017-11-14 Intel Corporation Automatic video summarization
US11042754B2 (en) 2017-05-05 2021-06-22 Google Llc Summarizing video content
US20220014807A1 (en) 2019-03-21 2022-01-13 Samsung Electronics Co., Ltd. Method, apparatus, device and medium for generating captioning information of multimedia data
CN111274444A (zh) 2020-02-24 2020-06-12 北京达佳互联信息技术有限公司 视频封面确定模型的生成方法及装置、视频封面确定方法及装置
CN111432282B (zh) 2020-04-01 2022-01-04 腾讯科技（深圳）有限公司 一种视频推荐方法及装置
CN111787356B (zh) 2020-07-09 2022-09-30 易视腾科技股份有限公司 目标视频片段提取方法和装置
CN111918130A (zh) 2020-08-11 2020-11-10 北京达佳互联信息技术有限公司 视频封面确定方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060257048A1 (en) * 2005-05-12 2006-11-16 Xiaofan Lin System and method for producing a page using frames of a video stream
US20160358367A1 (en) * 2015-06-07 2016-12-08 Apple Inc. Animation based on Content Presentation Structures
CN109145784A (zh) * 2018-08-03 2019-01-04 百度在线网络技术（北京）有限公司 用于处理视频的方法和装置
CN109977839A (zh) * 2019-03-20 2019-07-05 北京字节跳动网络技术有限公司 信息处理方法和装置
CN110399848A (zh) * 2019-07-30 2019-11-01 北京字节跳动网络技术有限公司 视频封面生成方法、装置及电子设备
CN110909205A (zh) * 2019-11-22 2020-03-24 北京金山云网络技术有限公司 一种视频封面确定方法、装置、电子设备及可读存储介质
CN111491173A (zh) * 2020-04-15 2020-08-04 腾讯科技（深圳）有限公司 一种直播封面确定方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡胜红 等: "面向足球视频摘要的叙事性拼图算法", 信号处理, vol. 35, no. 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449362A (zh) * 2022-03-17 2022-05-06 腾讯科技（上海）有限公司 视频封面的选取方法、装置、设备及存储介质
CN114449362B (zh) * 2022-03-17 2023-08-22 腾讯科技（上海）有限公司 视频封面的选取方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20210303864A1 (en) 2021-09-30
CN112559800B (zh) 2023-11-14
EP3872652A2 (en) 2021-09-01
EP3872652B1 (en) 2023-12-20
JP7394809B2 (ja) 2023-12-08
EP3872652A3 (en) 2021-12-15
US11856277B2 (en) 2023-12-26
JP2022088304A (ja) 2022-06-14
KR102576344B1 (ko) 2023-09-08
KR20210091076A (ko) 2021-07-21

Similar Documents

Publication Publication Date Title
CN109117777B (zh) 生成信息的方法和装置
CN112559800B (zh) 用于处理视频的方法、装置、电子设备、介质和产品
CN108776676B (zh) 信息推荐方法、装置、计算机可读介质及电子设备
CN107241260B (zh) 基于人工智能的新闻推送的方法和装置
CN110740389B (zh) 视频定位方法、装置、计算机可读介质及电子设备
CN109918513B (zh) 图像处理方法、装置、服务器及存储介质
CN114861889B (zh) 深度学习模型的训练方法、目标对象检测方法和装置
CN110019948B (zh) 用于输出信息的方法和装置
CN109190123B (zh) 用于输出信息的方法和装置
CN111708909A (zh) 视频标签的添加方法及装置、电子设备、计算机可读存储介质
CN112528641A (zh) 建立信息抽取模型的方法、装置、电子设备和可读存储介质
CN115130581A (zh) 样本生成方法、训练方法、数据处理方法以及电子设备
CN116935287A (zh) 视频理解方法和装置
CN106959945B (zh) 基于人工智能的为新闻生成短标题的方法和装置
CN115098729A (zh) 视频处理方法、样本生成方法、模型训练方法及装置
CN114724144A (zh) 文本识别方法、模型的训练方法、装置、设备及介质
CN114880520A (zh) 视频标题生成方法、装置、电子设备和介质
CN114627556A (zh) 动作检测方法、动作检测装置、电子设备以及存储介质
CN114282049A (zh) 一种视频检索方法、装置、设备及存储介质
CN113076932A (zh) 训练音频语种识别模型的方法、视频检测方法及其装置
CN114697761B (zh) 一种处理方法、装置、终端设备及介质
CN115131709B (zh) 视频类别预测方法、视频类别预测模型的训练方法及装置
CN113642495B (zh) 用于评价时序提名的模型的训练方法、设备、程序产品
CN113934918A (zh) 用于直播的搜索方法、装置、电子设备以及存储介质
CN114664307A (zh) 语音识别方法、装置、电子设备和存储介质

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