CN114140723A - 多媒体数据的识别方法、装置、可读介质及电子设备 - Google Patents

多媒体数据的识别方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN114140723A
CN114140723A CN202111456725.8A CN202111456725A CN114140723A CN 114140723 A CN114140723 A CN 114140723A CN 202111456725 A CN202111456725 A CN 202111456725A CN 114140723 A CN114140723 A CN 114140723A
Authority
CN
China
Prior art keywords
sample
target
recognition model
training
multimedia
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
CN202111456725.8A
Other languages
English (en)
Other versions
CN114140723B (zh
Inventor
何珂鑫
贾少勇
何怡
马泽君
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 Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network 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 Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202111456725.8A priority Critical patent/CN114140723B/zh
Publication of CN114140723A publication Critical patent/CN114140723A/zh
Application granted granted Critical
Publication of CN114140723B publication Critical patent/CN114140723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/04—Training, enrolment or model building
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种多媒体数据的识别方法、装置、可读介质及电子设备。该方法包括：获取待识别的目标多媒体数据；将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果；其中，该目标多媒体识别模型可以为根据目标相似度和样本离散度，对该预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。这样，可以减少人工标注样本的工作量，提高训练效率。

Description

多媒体数据的识别方法、装置、可读介质及电子设备
技术领域
本公开涉及人工智能技术领域，具体地，涉及一种多媒体数据的识别方法、装置、可读介质及电子设备。
背景技术
随着人工智能和计算机技术的飞速发展，通过人工智能模型对音频、视频等多媒体数据中的特定事件(例如“鸟鸣”、“狗叫”、“出现目标动物或目标物体”等)进行识别，被广泛应用于社会经济生活的各个方面，在医疗卫生、安防、农林牧渔业等领域具有众多应用。在相关技术中，为了提高模型的识别准确率，通常会使用大量的样本数据对模型进行训练，导致模型训练效率偏低。
发明内容
提供该内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供了一种多媒体数据的识别方法，所述方法包括：
获取待识别的目标多媒体数据；
将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对所述预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
第二方面，本公开提供了一种多媒体数据的识别装置，所述装置包括：
数据获取模块，用于获取待识别的目标多媒体数据；
数据识别模型，用于将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对所述预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
采用上述技术方案，获取待识别的目标多媒体数据；将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果；其中，该目标多媒体识别模型可以为根据目标相似度和样本离散度，对该预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。这样，可以通过根据第一样本的目标相似度和样本离散度对该预设多媒体识别模型进行训练，得到目标多媒体识别模型，从而可以减少人工标注样本的工作量，提高训练效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例示出的一种多媒体数据的识别方法的流程图。
图2是根据一示例性实施例示出的一种目标多媒体数据识别模型的训练方法的流程图。
图3是根据图2所示实施例示出的一种步骤202的流程图。
图4是根据一示例性实施例示出的一种多媒体数据的识别装置的框图。
图5是根据一示例性实施例示出的另一种多媒体数据的识别装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
首先，对本公开的应用场景进行说明。本公开可以应用于多媒体数据的识别场景，特别地，可以应用于对多媒体数据中的特定事件的识别，例如，可以从多媒体数据中识别出“鸟鸣”、“狗叫”、“出现目标动物”或“出现目标物体”等。在相关技术中，为了提高多媒体识别模型的识别准确率，通常需要获取大量的样本数据并进行人工标注，使用标注后的样本数据对模型进行训练。而由于特定事件在实际生活中出现的概率较小，导致这些样本中的有效样本偏少，这样，一方面会使得人工标注样本的工作量大，另一方面，由于训练过程中使用了较多的无效样本，也会使得训练过程耗时长，效率低。
为了解决上述问题，本公开提供了一种多媒体数据的识别的方法、装置、可读介质及电子设备，可以通过根据第一样本的目标相似度和样本离散度对该预设多媒体识别模型进行训练，得到目标多媒体识别模型，从而可以减少人工标注样本的工作量，提高训练效率。
以下结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种多媒体数据的识别方法，如图1所示，该方法包括：
步骤101、获取待识别的目标多媒体数据。
其中，该目标多媒体数据可以是音频或视频等多媒体数据，本公开对该目标多媒体数据的类型不作限定。
在本步骤中，可以实时采集该目标多媒体数据，也可以获取预先存储的该目标多媒体数据，还可以接收其它设备发送的该目标多媒体数据，本公开对该目标多媒体数据的获取方式不作限定。
步骤102、将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果。
其中，该目标多媒体识别模型可以为根据目标相似度和样本离散度，对预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。
在本步骤中，该识别结果可以是该目标多媒体数据是否包括预设事件，或者该目标多媒体数据所包括的预设事件类型。该预设事件可以是预先定义的特定事件，例如在野生动物声音识别场景可以定义以下预设事件“出现第一目标动物声音”、“出现第二目标动物声音”、……、“出现第N目标动物声音”、“出现第一目标动物图像”、“出现第二目标动物图像”、……、“出现第N目标动物图像”等。这样，可以通过该目标多媒体识别模型确定该目标多媒体数据中是否出现目标动物或者出现哪个目标动物。
采用上述方式，获取待识别的目标多媒体数据；将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果；其中，该目标多媒体识别模型可以为根据目标相似度和样本离散度，对该预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。这样，可以通过根据第一样本的目标相似度和样本离散度对该预设多媒体识别模型进行训练，得到目标多媒体识别模型，从而可以减少人工标注样本的工作量，提高训练效率。
图2是根据一示例性实施例示出的一种目标多媒体数据识别模型的训练方法，如图2所示，该训练方法包括：
步骤201、通过预设多媒体识别模型，获取每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度。
其中，该预设多媒体识别模型可以包括特征提取模块和神经网络模块。示例地，该特征提取模块可以包括梅尔滤波器组件，通过梅尔滤波器组对该多媒体数据进行特征提取得到该第一样本对应的多媒体特征，将该多媒体特征输入神经网络模块，可以得到对该多媒体特征的识别结果，将该识别结果作为第一样本对应的第一样本识别结果；并得到该第一样本与该第一样本识别结果的目标相似度。进一步地，该神经网络模块的结构可以为多层，例如，可以包括4个卷积神经网络块和1层循环神经网络，每个卷积神经网络块包括卷积层、批量归一化层和池化层，其中卷积层的卷积核大小可以为3X3，卷积层通道数可以为64，128，256和512，池化层的池化大小可以为2X2；该循环神经网络可以为双向长短期记忆网络(Bi-directional Long-Short Term Memory，Bi-LSTM)，神经单元数可以为256。
上述多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。该预设时间周期可以为预先设置的任意时间，例如，可以是0.1秒、1秒、5秒或10秒。示例地，若该预设时间周期为1秒，上述第一样本为一段时长60秒的音频数据，则上述多个第一子样本为将该音频数据按照1秒周期拆分采样后得到的60个时长1秒的音频数据。该预设多媒体识别模型还可以包括样本拆分模块，通过该样本拆分模块可以对第一样本进行拆分后得到多个第一子样本，并将拆分后的第一子样本输入特征提取模块，进行特征提取。可选地，也可以通过外部模块或手动对该第一样本进行拆分后得到多个第一子样本，将该第一样本和该多个第一子样本均输入该预设多媒体识别模型的特征提取模块，进行特征提取。另外，该预设多媒体识别模型可以直接输出上述样本离散度；也可以输出每个第一子样本与上述第一样本识别结果的相似度样本，然后通过多个相似度样本进行统计计算得到该样本离散度。
示例地，该预设多媒体识别模型可以包括上述样本拆分模块和统计计算样本离散度的模块，从而可以将多个第一样本输入该预设多媒体识别模型，通过该预设多媒体模型输出每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度。
在本公开的另一实施例中，可以通过以下方式获取每个第一样本的上述样本离散度：
首先，确定该第一样本对应的第一样本识别结果。
例如，可以通过预设多媒体识别模型得到该第一样本对应的第一样本识别结果。
其次，将该第一样本中的每个第一子样本与该第一样本识别结果的相似度作为统计样本。
例如，通过该样本拆分模块可以对第一样本进行拆分后得到多个第一子样本，通过预设多媒体识别模型得到每个第一子样本与第一样本识别结果的相似度。
再次，计算得到该统计样本的第一离散度。
例如，可以按照方差、标准差或离散系数的计算公式，对这些统计样本进行计算后得到范围在[0,1]之间的第一离散度。
最后，将该第一离散度作为该样本离散度。
这样，通过该方式可以计算得到准确的样本离散度。
需要说明的是，上述识别结果可以为多个预设事件中的目标事件，上述预设多媒体识别模型可以针对每个第一样本，确定该第一样本与多个预设事件的相似度，将多个预设事件中相似度最大的预设事件作为该第一样本对应的第一样本识别结果，并将该第一样本与该第一样本识别结果的相似度作为目标相似度。进一步地，可以将该第一样本中的每个第一子样本与该第一样本识别结果的相似度作为统计样本，获取这些统计样本的样本离散度。示例地，该样本离散度可以为按照方差、标准差或离散系数的计算公式，对这些统计样本进行计算后得到的范围在[0,1]之间的数值。该样本离散度越小，表征该第一样本中的多个第一子样本与该第一样本识别结果的相似度集中分布在目标相似度附近；该样本离散度越大，表征多个第一子样本与该第一样本识别结果的相似度距离目标相似度较远。
示例地，若该第一样本为一段音频数据，该预设事件包括“出现狗叫声”、“出现猫叫声”和“出现熊叫声”，通过预设多媒体识别模型得到，该第一样本与“出现狗叫声”的相似度为0.1，该第一样本与“出现猫叫声”的相似度为0.2，该第一样本与“出现熊叫声”的相似度为0.5，则可以确定该第一样本对应的第一样本识别结果为“出现熊叫声”，该第一样本与该第一样本识别结果的目标相似度为0.5，然后根据该第一样本的多个第一子样本与该第一样本识别结果的相似度获取样本离散度。进一步地，以该第一样本中包括5个第一子样本，该样本离散度用离散系数表示为例进行说明：
若5个第一子样本与该第一样本识别结果(即预设事件“出现熊叫声”)的相似度分别为0.4、0.4、0.5、0.6、0.6，按照离散系数公式可以计算得到离散系数为0.2，则该样本离散度较小，表征多个第一子样本对应的相似度与目标相似度距离较近，也就是分布在目标相似度附近。
而若5个第一子样本与该第一样本识别结果(即预设事件“出现熊叫声”)的相似度分别为0.1、0.1、0.5、0.9、0.9，按照离散系数公式可以计算得到离散系数为0.8，则该样本离散度较大，表征各个第一子样本对应的相似度与目标相似度距离较远。
步骤202、根据该目标相似度和该样本离散度，对该预设多媒体识别模型进行训练，得到目标多媒体识别模型。
示例地，可以将目标相似度在预设相似度范围内，且样本离散度在预设离散度范围内的第一样本作为高价值样本，并根据该高价值样本对预设多媒体识别模型进行训练，以得到目标多媒体识别模型。
其中，该预设相似度范围可以表征通过该预设多媒体识别模型得到的该第一样本为第一样本识别结果的可信度较低，也就是该预设多媒体识别模型对该第一样本的识别结果处于拿不准的状态，既不确定该第一样本是第一样本识别结果，也不确定该第一样本不是。示例地，若目标相似度的有效范围为[0，1]，则该预设相似度范围可以为[0.4，0.6]。该预设离散度范围可以表征该第一样本中的多个第一子样本对应的相似度均在第一样本对应的目标相似度附近。示例地，该预设离散度范围可以为小于或等于0.5。
需要说明的是，上述多个第一样本可以为无标签的样本数据，在相关技术中，需要人工对每个第一样本均进行人工标注。而采用本实施例中的上述方法，根据步骤202可以选择的上述高价值样本为该预设多媒体识别模型的识别结果可信度较低的样本，可以只针对选择出来的这部分高价值样本进行人工标注，并再根据标注后的这些高价值样本，对该预设多媒体识别模型进行训练。这样，可以减少人工标注的样本数据量，也减少了训练使用的样本数据量，从而提高了模型训练的效率。同时，由于筛选出了高价值样本，因此，根据该高价值样本对预设多媒体识别模型进行训练后，在提高训练效率的同时，仍然可以得到较为准确的目标多媒体识别模型。
图3是根据图2所示实施例示出的一种步骤202的流程图，如图3所示，上述步骤202可以包括以下方式：
步骤2021、根据目标相似度和样本离散度，计算得到每个第一样本的训练价值权重。
其中，该训练价值权重用于表征该预设多媒体识别模型输出的识别结果的可信度。
示例地，可以通过以下公式(1)计算得到该训练价值权重：
v＝1-|yc-K|+(1-D(yd)) (1)
其中，v表示该训练价值权重；yc表示该目标相似度；K表示预设相似度，例如，该预设相似度可以为0.5；D(yd)是表示该样本离散度，该样本离散度可以为按照方差、标准差或离散系数的计算公式得到的[0,1]之间的数值。
这样，根据上述公式(1)，第一样本的目标相似度越接近预设相似度，样本离散度越小，则该第一样本的训练价值权重越大。示例地，若两个第一样本的目标相似度均为预设相似度，则样本离散度较小的第一样本的训练价值权重较大。
步骤2022、根据该训练价值权重，对预设多媒体识别模型进行训练，得到目标多媒体识别模型。
示例地，步骤2022可以具体包括以下步骤：
首先，根据训练价值权重，从该多个第一样本中确定多个第二样本。
示例地，可以将训练价值权重大于或等于预设权重阈值的第一样本作为该第二样本；也可以根据训练价值权重对多个第一样本进行从大到小排序后，将排序前M位的第一样本作为第二样本，M可以为预设的大于或等于1的任意数值。
其次，输出该多个第二样本，以便用户标注该第二样本对应的目标标签。
示例地，本步骤输出的第二样本中还可以包括每个第二样本的训练价值权重，例如，通过该预设多媒体识别模型中的记忆模块存储多个第二样本，以及每个第一样本对应的训练价值权重，可以通过记忆模块将该多个第二样本以文件和/或表格的形式输出给用户，以便由用户对该第二样本人工标注目标标签。
这样，可以只对根据训练价值权重识别出的高价值样本(也就是第二样本)进行标注并用于训练，从而可以大大减少需要人工标注的样本数据，提高模型训练效率。
最后，获取用户标注目标标签后的多个第二样本，并根据该目标标签和该训练价值权重，对预设多媒体识别模型进行训练，得到该目标多媒体识别模型。
在本步骤，可以将标注目标标签后的多个第二样本作为模型训练的样本，并使用目标交叉熵损失函数对预设多媒体识别模型进行训练。具体地，训练方式可以包括以下两种方式中的任意一种：
方式一、可以在用于训练该预设多媒体识别模型的目标交叉熵损失函数中针对每个该第二样本设置样本权重；将该第二样本的训练价值权重作为该第二样本对应的样本权重；根据该目标标签和该目标交叉熵损失函数，对该预设多媒体识别模型进行训练，得到该目标多媒体识别模型。
示例地，在该方式一中，该目标交叉熵损失函数可以为以下的公式(2)：
Figure BDA0003387942870000121
其中，Loss表示该目标交叉熵损失函数的损失值；vi表示样本i的训练价值权重；
Figure BDA0003387942870000122
表示样本i的标注信息，正例样本的该标注信息可以为1，负例样本的该标注信息可以为0；yi表示该预设多媒体识别模型对样本i预测为正例样本的概率，也就是该样本i与该样本i对应的目标值的相似度；N表示用于训练的第二样本的样本数量。
需要说明的是，该训练价值权重越大，说明该第二样本越难以被上述预设多媒体识别模型准确识别，因此，在训练中可以根据该方式一，使得训练价值权重越大的第二样本得到更高的损失值，也就是该损失函数对训练价值权重越大的第二样本的关注度越高，从而可以增加模型对此类第二样本的拟合，从而提高训练效率，并提高训练得到的目标多媒体识别模型的识别准确度。
方式二、在设置上述样本权重的基础上，还可以针对正例样本设置预设正例权重。具体包括：根据上述目标标签从多个第二样本中确定正例样本；在该目标交叉熵损失函数中针对每个正例样本设置预设正例权重；根据设置了预设正例权重的目标交叉熵损失函数，对该预设多媒体识别模型进行训练，得到该目标多媒体识别模型。
示例地，在该方式二中，该目标交叉熵损失函数可以为以下的公式(3)：
Figure BDA0003387942870000123
其中，Loss表示该目标交叉熵损失函数的损失值；vi表示样本i的训练价值权重；w表示预设正例权重；
Figure BDA0003387942870000124
表示样本i的标注信息，正例样本的该标注信息可以为1，负例样本的该标注信息可以为0；yi表示该预设多媒体识别模型对样本i预测为正例样本的概率，也就是该样本i与该样本i对应的目标值的相似度；N表示用于训练的第二样本的样本数量。
需要说明的是，在相关技术中的交叉熵损失函数公式中，每个样本对总损失值贡献的权重是一致的，但是如果训练数据中不同类别的数据量差异较大，神经网络模型会更倾向于拟合数据量大的类别，导致数据量小的类别性能受影响。而在本实施例的应用场景中，待识别的目标多媒体数据的目标事件可以为罕见事件，数据量可以较小。如果使用传统的交叉熵损失函数，神经网络无法很好的拟合这部分数据。因此，在本实施例中，对交叉熵损失函数增加权重参数w，可以增大罕见事件对损失函数的贡献，w可以为大于1的任意数值，w也可以根据第二样本中的正例样本与负例样本的比例进行设置，该比例越小，正例样本数量越少，w可以设置的越大，例如，w可以设置为5或10。
这样，在方式二中，通过在目标交叉熵损失函数中针对每个正例样本设置预设正例权重，可以进一步提升训练效率，并提高训练得到的目标多媒体识别模型的识别准确度。
图4是根据一示例性实施例示出的一种多媒体数据的识别装置的框图。如图4所示，该多媒体数据的识别装置包括：
数据获取模块401，用于获取待识别的目标多媒体数据；
数据识别模型402，用于将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
图5是根据一示例性实施例示出的另一种多媒体数据的识别装置的框图。如图5所示，所述装置还包括：
模型训练模块501，用于通过以下方式训练得到所述目标多媒体识别模型：
通过所述预设多媒体识别模型获取每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度；其中，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据；
根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
可选地，所述模型训练模块501，用于根据所述目标相似度和所述样本离散度，计算得到每个所述第一样本的训练价值权重，所述训练价值权重用于表征所述预设多媒体识别模型输出的识别结果的可信度；根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
可选地，所述模型训练模块501，用于根据所述训练价值权重，从所述多个第一样本中确定多个第二样本；输出所述多个第二样本，以便用户标注所述第二样本对应的目标标签；获取用户标注目标标签后的多个第二样本；根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
可选地，所述模型训练模块501，用于在用于训练所述预设多媒体识别模型的目标交叉熵损失函数中针对每个所述第二样本设置样本权重；将所述第二样本的训练价值权重作为该第二样本对应的样本权重；根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
可选地，所述模型训练模块501，用于根据所述目标标签从所述多个第二样本中确定正例样本；在所述目标交叉熵损失函数中针对每个正例样本设置预设正例权重；根据设置了预设正例权重的目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
可选地，所述模型训练模块501，用于通过以下方式获取所述样本离散度：确定所述第一样本对应的第一样本识别结果；将该第一样本中的每个第一子样本与该第一样本识别结果的相似度作为统计样本；计算得到所述统计样本的第一离散度；将所述第一离散度作为所述样本离散度。
综上所述，采用上述多媒体数据的识别装置，获取待识别的目标多媒体数据；将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果；其中，该目标多媒体识别模型可以为根据目标相似度和样本离散度，对该预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。这样，可以通过根据第一样本的目标相似度和样本离散度对该预设多媒体识别模型进行训练，得到目标多媒体识别模型，从而可以减少人工标注样本的工作量，提高训练效率。
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600的结构示意图。本公开实施例中的终端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600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RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603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、摄像头、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600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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，其包括承载在非暂态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ROM602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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
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：获取待识别的目标多媒体数据；将该目标多媒体数据输入目标多媒体识别模型，得到该目标多媒体数据的识别结果；其中，该目标多媒体识别模型为根据目标相似度和样本离散度，对该预设多媒体识别模型进行训练得到的，该目标相似度表征用于训练的第一样本与该第一样本对应的第一样本识别结果的相似程度，该样本离散度表征该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散程度，该多个第一子样本为按照预设时间周期对该第一样本进行采样得到的多个子样本数据。
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但不限于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模块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，模块的名称在某种情况下并不构成对该模块本身的限定，例如，数据获取模块，还可以被描述为“获取待识别的目标多媒体数据的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例，示例1提供了一种多媒体数据的识别方法，所述方法包括：
获取待识别的目标多媒体数据；
将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对所述预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述目标多媒体识别模型是通过以下方式训练得到的：
通过所述预设多媒体识别模型获取每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度；其中，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据；
根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
根据所述目标相似度和所述样本离散度，计算得到每个所述第一样本的训练价值权重，所述训练价值权重用于表征所述预设多媒体识别模型输出的识别结果的可信度；
根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型包括：
根据所述训练价值权重，从所述多个第一样本中确定多个第二样本；
输出所述多个第二样本，以便用户标注所述第二样本对应的目标标签；
获取用户标注目标标签后的多个第二样本；
根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
在用于训练所述预设多媒体识别模型的目标交叉熵损失函数中针对每个所述第二样本设置样本权重；
将所述第二样本的训练价值权重作为该第二样本对应的样本权重；
根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
根据所述目标标签从所述多个第二样本中确定正例样本；
在所述目标交叉熵损失函数中针对每个正例样本设置预设正例权重；
根据设置了预设正例权重的目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例7提供了示例2至6中任一项所述的方法，其中，所述样本离散度通过以下方式获取：
确定所述第一样本对应的第一样本识别结果；
将该第一样本中的每个第一子样本与该第一样本识别结果的相似度作为统计样本；
计算得到所述统计样本的第一离散度；
将所述第一离散度作为所述样本离散度。
根据本公开的一个或多个实施例，示例8提供了一种多媒体数据的识别装置，所述装置包括：
数据获取模块，用于获取待识别的目标多媒体数据；
数据识别模型，用于将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述装置还包括：
模型训练模块，用于通过以下方式训练得到所述目标多媒体识别模型：
通过所述预设多媒体识别模型获取每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度；其中，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据；
根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例10提供了示例9的装置，所述模型训练模块，用于根据所述目标相似度和所述样本离散度，计算得到每个所述第一样本的训练价值权重，所述训练价值权重用于表征所述预设多媒体识别模型输出的识别结果的可信度；根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例11提供了示例10的装置，所述模型训练模块，用于根据所述训练价值权重，从所述多个第一样本中确定多个第二样本；输出所述多个第二样本，以便用户标注所述第二样本对应的目标标签；获取用户标注目标标签后的多个第二样本；根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例12提供了示例11的装置，所述模型训练模块，用于在用于训练所述预设多媒体识别模型的目标交叉熵损失函数中针对每个所述第二样本设置样本权重；将所述第二样本的训练价值权重作为该第二样本对应的样本权重；根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例13提供了示例12的装置，所述模型训练模块，用于根据所述目标标签从所述多个第二样本中确定正例样本；在所述目标交叉熵损失函数中针对每个正例样本设置预设正例权重；根据设置了预设正例权重的目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
根据本公开的一个或多个实施例，示例14提供了示例9至示例13中任一项的装置，其中，所述模型训练模块，用于通过以下方式获取所述样本离散度：确定所述第一样本对应的第一样本识别结果；将该第一样本中的每个第一子样本与该第一样本识别结果的相似度作为统计样本；计算得到所述统计样本的第一离散度；将所述第一离散度作为所述样本离散度。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种多媒体数据的识别方法，其特征在于，所述方法包括：
获取待识别的目标多媒体数据；
将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
2.根据权利要求1所述的方法，其特征在于，所述目标多媒体识别模型是通过以下方式训练得到的：
通过所述预设多媒体识别模型获取每个第一样本对应的第一样本识别结果，该第一样本与该第一样本识别结果的目标相似度，以及该第一样本的多个第一子样本与该第一样本识别结果的相似度的样本离散度；其中，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据；
根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标相似度和所述样本离散度，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
根据所述目标相似度和所述样本离散度，计算得到每个所述第一样本的训练价值权重，所述训练价值权重用于表征所述预设多媒体识别模型输出的识别结果的可信度；
根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型包括：
根据所述训练价值权重，从所述多个第一样本中确定多个第二样本；
输出所述多个第二样本，以便用户标注所述第二样本对应的目标标签；
获取用户标注目标标签后的多个第二样本；
根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标标签和所述训练价值权重，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
在用于训练所述预设多媒体识别模型的目标交叉熵损失函数中针对每个所述第二样本设置样本权重；
将所述第二样本的训练价值权重作为该第二样本对应的样本权重；
根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
6.根据权利要求5所述的方法，其特征在于，所述根据所述目标标签和所述目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型，包括：
根据所述目标标签从所述多个第二样本中确定正例样本；
在所述目标交叉熵损失函数中针对每个正例样本设置预设正例权重；
根据设置了预设正例权重的目标交叉熵损失函数，对所述预设多媒体识别模型进行训练，得到所述目标多媒体识别模型。
7.根据权利要求2至6中任一项所述的方法，其特征在于，所述样本离散度通过以下方式获取：
确定所述第一样本对应的第一样本识别结果；
将所述第一样本中的每个第一子样本与所述第一样本识别结果的相似度作为统计样本；
计算得到所述统计样本的第一离散度；
将所述第一离散度作为所述样本离散度。
8.一种多媒体数据的识别装置，其特征在于，所述装置包括：
数据获取模块，用于获取待识别的目标多媒体数据；
数据识别模型，用于将所述目标多媒体数据输入目标多媒体识别模型，得到所述目标多媒体数据的识别结果；
其中，所述目标多媒体识别模型为根据目标相似度和样本离散度，对所述预设多媒体识别模型进行训练得到的，所述目标相似度表征用于训练的第一样本与所述第一样本对应的第一样本识别结果的相似程度，所述样本离散度表征所述第一样本的多个第一子样本与所述第一样本识别结果的相似度的样本离散程度，所述多个第一子样本为按照预设时间周期对所述第一样本进行采样得到的多个子样本数据。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1至7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1至7中任一项所述方法的步骤。
CN202111456725.8A 2021-12-01 2021-12-01 多媒体数据的识别方法、装置、可读介质及电子设备 Active CN114140723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111456725.8A CN114140723B (zh) 2021-12-01 2021-12-01 多媒体数据的识别方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111456725.8A CN114140723B (zh) 2021-12-01 2021-12-01 多媒体数据的识别方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN114140723A true CN114140723A (zh) 2022-03-04
CN114140723B CN114140723B (zh) 2023-07-04

Family

ID=80386892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111456725.8A Active CN114140723B (zh) 2021-12-01 2021-12-01 多媒体数据的识别方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN114140723B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116708055A (zh) * 2023-06-06 2023-09-05 深圳市艾姆诗电商股份有限公司 智能多媒体视听图像处理方法、系统及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100306193A1 (en) * 2009-05-28 2010-12-02 Zeitera, Llc Multi-media content identification using multi-level content signature correlation and fast similarity search
CN108830312A (zh) * 2018-06-01 2018-11-16 苏州中科天启遥感科技有限公司 一种基于样本自适应扩充的集成学习方法
US20190310650A1 (en) * 2018-04-09 2019-10-10 SafeAI, Inc. Techniques for considering uncertainty in use of artificial intelligence models
US20200111496A1 (en) * 2018-10-05 2020-04-09 Panasonic Intellectual Property Corporation Of America Speaker recognition device, speaker recognition method, and recording medium
CN111554268A (zh) * 2020-07-13 2020-08-18 腾讯科技（深圳）有限公司 基于语言模型的语言识别方法、文本分类方法和装置
CN111581877A (zh) * 2020-03-25 2020-08-25 中国平安人寿保险股份有限公司 样本模型训练方法、样本生成方法、装置、设备及介质
CN112257738A (zh) * 2020-07-31 2021-01-22 北京京东尚科信息技术有限公司 机器学习模型的训练方法、装置和图像的分类方法、装置
CN112418260A (zh) * 2019-08-23 2021-02-26 北京国双科技有限公司 模型训练方法、信息提示方法、装置、设备及介质
CN112434714A (zh) * 2020-12-03 2021-03-02 北京小米松果电子有限公司 多媒体识别的方法、装置、存储介质及电子设备
CN112614570A (zh) * 2020-12-16 2021-04-06 上海壁仞智能科技有限公司 样本集标注、病理图像分类、分类模型构建方法及装置
US20210150412A1 (en) * 2019-11-20 2021-05-20 The Regents Of The University Of California Systems and methods for automated machine learning
CN112966577A (zh) * 2021-02-23 2021-06-15 北京三快在线科技有限公司 一种模型训练以及信息提供的方法及装置
CN113065516A (zh) * 2021-04-22 2021-07-02 中国矿业大学 一种基于样本分离的无监督行人重识别系统及方法
CN113255812A (zh) * 2021-06-04 2021-08-13 北京有竹居网络技术有限公司 视频边框检测方法、装置和电子设备
US20210264283A1 (en) * 2020-02-24 2021-08-26 International Business Machines Corporation Dataset creation for deep-learning model
CN113515988A (zh) * 2020-07-09 2021-10-19 腾讯科技（深圳）有限公司 掌纹识别方法、特征提取模型训练方法、设备及介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100306193A1 (en) * 2009-05-28 2010-12-02 Zeitera, Llc Multi-media content identification using multi-level content signature correlation and fast similarity search
US20190310650A1 (en) * 2018-04-09 2019-10-10 SafeAI, Inc. Techniques for considering uncertainty in use of artificial intelligence models
CN108830312A (zh) * 2018-06-01 2018-11-16 苏州中科天启遥感科技有限公司 一种基于样本自适应扩充的集成学习方法
US20200111496A1 (en) * 2018-10-05 2020-04-09 Panasonic Intellectual Property Corporation Of America Speaker recognition device, speaker recognition method, and recording medium
CN112418260A (zh) * 2019-08-23 2021-02-26 北京国双科技有限公司 模型训练方法、信息提示方法、装置、设备及介质
US20210150412A1 (en) * 2019-11-20 2021-05-20 The Regents Of The University Of California Systems and methods for automated machine learning
US20210264283A1 (en) * 2020-02-24 2021-08-26 International Business Machines Corporation Dataset creation for deep-learning model
CN111581877A (zh) * 2020-03-25 2020-08-25 中国平安人寿保险股份有限公司 样本模型训练方法、样本生成方法、装置、设备及介质
CN113515988A (zh) * 2020-07-09 2021-10-19 腾讯科技（深圳）有限公司 掌纹识别方法、特征提取模型训练方法、设备及介质
CN111554268A (zh) * 2020-07-13 2020-08-18 腾讯科技（深圳）有限公司 基于语言模型的语言识别方法、文本分类方法和装置
CN112257738A (zh) * 2020-07-31 2021-01-22 北京京东尚科信息技术有限公司 机器学习模型的训练方法、装置和图像的分类方法、装置
CN112434714A (zh) * 2020-12-03 2021-03-02 北京小米松果电子有限公司 多媒体识别的方法、装置、存储介质及电子设备
CN112614570A (zh) * 2020-12-16 2021-04-06 上海壁仞智能科技有限公司 样本集标注、病理图像分类、分类模型构建方法及装置
CN112966577A (zh) * 2021-02-23 2021-06-15 北京三快在线科技有限公司 一种模型训练以及信息提供的方法及装置
CN113065516A (zh) * 2021-04-22 2021-07-02 中国矿业大学 一种基于样本分离的无监督行人重识别系统及方法
CN113255812A (zh) * 2021-06-04 2021-08-13 北京有竹居网络技术有限公司 视频边框检测方法、装置和电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
屈伟洋;俞扬;: "多样性正则的神经网络训练方法探索", no. 02, pages 138 - 147 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116708055A (zh) * 2023-06-06 2023-09-05 深圳市艾姆诗电商股份有限公司 智能多媒体视听图像处理方法、系统及存储介质
CN116708055B (zh) * 2023-06-06 2024-02-20 深圳市艾姆诗电商股份有限公司 智能多媒体视听图像处理方法、系统及存储介质

Also Published As

Publication number Publication date
CN114140723B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN110288049B (zh) 用于生成图像识别模型的方法和装置
CN109961032B (zh) 用于生成分类模型的方法和装置
CN110633423B (zh) 目标账号识别方法、装置、设备及存储介质
CN110826567B (zh) 光学字符识别方法、装置、设备及存储介质
CN110598157A (zh) 目标信息识别方法、装置、设备及存储介质
CN109947989B (zh) 用于处理视频的方法和装置
CN110674414A (zh) 目标信息识别方法、装置、设备及存储介质
CN112364829B (zh) 一种人脸识别方法、装置、设备及存储介质
CN113140012B (zh) 图像处理方法、装置、介质及电子设备
CN113033682B (zh) 视频分类方法、装置、可读介质、电子设备
CN110209658B (zh) 数据清洗方法和装置
CN110097004B (zh) 面部表情识别方法和装置
CN110008926B (zh) 用于识别年龄的方法和装置
CN113033707B (zh) 视频分类方法、装置、可读介质及电子设备
CN110634050A (zh) 一种鉴别房源类型的方法、装置、电子设备及存储介质
CN113033680B (zh) 视频分类方法、装置、可读介质及电子设备
CN114140723B (zh) 多媒体数据的识别方法、装置、可读介质及电子设备
CN112200173B (zh) 多网络模型训练方法、图像标注方法和人脸图像识别方法
CN110348367B (zh) 视频分类方法、视频处理方法、装置、移动终端及介质
CN113222050B (zh) 图像分类方法、装置、可读介质及电子设备
CN111914535B (zh) 一种单词识别方法、装置、计算机设备和存储介质
CN113051400B (zh) 标注数据确定方法、装置、可读介质及电子设备
CN110334763B (zh) 模型数据文件生成、图像识别方法、装置、设备及介质
CN113435528A (zh) 对象分类的方法、装置、可读介质和电子设备
CN112070025B (zh) 图像识别方法、装置、电子设备和计算机可读介质

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