CN117241092A - 一种视频处理方法、装置、存储介质及电子设备 - Google Patents
一种视频处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117241092A CN117241092A CN202311285077.3A CN202311285077A CN117241092A CN 117241092 A CN117241092 A CN 117241092A CN 202311285077 A CN202311285077 A CN 202311285077A CN 117241092 A CN117241092 A CN 117241092A
- Authority
- CN
- China
- Prior art keywords
- coding
- video
- uploading
- processed
- prediction
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 238000012360 testing method Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 15
- 230000000875 corresponding effect Effects 0.000 description 37
- 238000012549 training Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开实施例提供了一种视频处理方法、装置、存储介质及电子设备。其中方法包括:获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到待处理视频的编码参数配置标识;基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。实现最小的处理耗时完成视频上传,提高视频的上传效率。
Description
技术领域
本公开实施例涉及视频处理技术领域,尤其涉及一种视频处理方法、装置、存储介质及电子设备。
背景技术
随着智能终端的快速发展,视频制作已成为非常普遍的娱乐方式。用户在使用应用程序制作视频后,将视频上传至服务器(即发布出去)是一个非常关键的环节,发布耗时和发布成功率是影响视频发布的重要因素。
目前将视频上传至服务器包括编码上传和透传等方式,其中,编码上传是考虑到原始视频文件的数据量一般较大,通过二次编码的方式减小视频数据量,从而减少上传时间,以及提高上传成功率。但是视频编码会对视频质量进行损失,导致画质降低以及视频卡顿等问题,且编码过程存在一定耗时。透传方式为不对视频进行编码,直接对原始视频文件进行上传,原始视频文件数据量较大的情况下,上传时长相对较大。
发明内容
本公开提供一种视频处理方法、装置、存储介质及电子设备,以确定适用于待处理视频的处理方式,提高视频上传效果。
第一方面,本公开实施例提供了一种视频处理方法,包括:
获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
第二方面,本公开实施例还提供了一种视频处理装置,包括:
编码参数预测模块,用于获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
编码预测信息确定模块,用于基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
处理时长确定模块,用于基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
处理方式确定模块,用于基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开任意实施例提供的视频处理方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开任意实施例提供的视频处理方法。
本公开实施例,通过对编码参数配置标识的预测,进一步预测不同类型的编码方式对待处理视频进行编码处理对应的编码预测信息,通过每一编码方式对应的编码预测信息确定每一编码方式对应的编码上传的处理耗时,并通过不同编码方式对应的处理耗时与透传处理耗时的比对确定适用于待处理视频的目标处理方式,通过该目标处理方式对待处理视频进行上传处理,实现最小的处理耗时完成视频上传,提高视频的上传效率。
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。
图1为本公开实施例所提供的一种视频处理方法的流程示意图;
图2是本公开实施例所提供的一种视频处理方法的流程示意图;
图3是本公开实施例所提供的一种视频处理装置的结构示意图;
图4是本公开实施例所提供的一种电子设备的结构示意图。
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。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1为本公开实施例所提供的一种视频处理方法的流程示意图,本公开实施例适用于针对于每一待处理视频,确定适用于待处理视频的上传方式的情形,该方法可以由视频处理装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端等。
如图1所示,所述方法包括:
S110、获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识。
S120、基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息。
S130、基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长。
S140、基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
本实施例中,待处理视频可以是待上传到服务器的视频数据,待处理视频可以是基于视频编辑应用生成的,还可以是外部导入的,此处不作限定。
对待处理视频进行上传的处理方式包括编码上传和透传,其中,编码上传为对待处理视频进行编码处理后,对得到的编码视频进行上传处理,其中,编码处理的方式可以是包括多个类型,例如包括但不限于软编码和硬编码,其中,硬编码使用的是CPU、GPU等硬件编码,速度相对于软编码快,码率也比软编码高,软编码输出的码率低,但是编码耗时长。透传可以理解为对视频只做脉冲编码调制(Pulse Code Modulation,PCM)音频编码,但是输出的码率很高,即对待处理视频不进行软编码或硬编码,直接对待处理视频进行上传处理。
编码参数为编码过程中影响编码程度的参数,不同的编码参数对应的编码视频的码率不同,该编码参数可以是为CRF(Constant Rate Factor,码率控制模式)。通过预测编码过程中的编码参数,为预测待处理视频的编码预测信息提供信息参考。编码参数预测模型为具有配置参数预测功能的机器学习模型,例如编码参数预测模型可以是神经网络模型,此处不限定编码参数预测模型的具体结构。可选的,编码参数预测模型可以是分类模型,编码参数预测模型的输出结果可以是编码参数配置标识,编码参数配置标识可以是表征编码参数的分类标识,每一编码参数配置标识可对应一编码参数。示例性的,编码参数配置标识可以是诸如0和1等的标识。
在一些实施例中,待处理视频的第一关联信息包括待处理视频的第一属性信息、网络信息和历史上传视频的第二属性信息的一项或多项;其中,第一属性信息包括但不限于待处理视频的原始数据量、视频时长、分辨率、码率等。网络信息可以是进行视频上传的电子设备的网络类型,例如可以是wifi类型等。历史上传视频为待处理视频所属用户在历史时间段内上传的视频,其中,历史时间段可以是在当前时刻之前的预设时间段,例如一年、一个月、一个星期等。历史上传视频的第二属性信息包括历史已上传视频的码率、分辨率等。
待处理视频的第一属性信息可表征待处理视频的待处理数据量,为了提高视频上传效率和成功率,设置的编码参数与待处理视频的待处理数据量负相关。网络信息影响视频的上传效果,在网络信息差的情况下,需设置较小的编码参数,以减小编码视频的大小。通过历史上传视频的第二属性信息可表征待处理视频所属用户的历史上传视频对画质的敏感程度,其中,对视频画质的敏感程度越高,需设置的编码参数越高。通过将待处理视频的第一关联信息作为编码参数预测模型的输出信息,从多个维度综合确定编码参数,提高编码参数的预测准确率。
将待处理视频的第一关联信息生成编码参数预测模型的输入向量,将该输入向量输入至编码参数预测模型中,得到编码参数预测模型输出的编码参数配置标识。其中,可以是将待处理视频的第一关联信息按预设的顺序进行拼接,得到输入向量。
在一些实施例中,编码参数预测模型可以是对待处理视频所属用户的画质敏感程度的分类模型,将输出的画质敏感程度分类标识作为编码参数配置标识,即每一画质敏感程度分类标识对应一编码参数,画质敏感程度分类标识对应的画质敏感程度与编码参数正相关。相应的,待处理视频的第一关联信息可以包括待处理视频所属用户的历史上传视频的第二属性信息。
在上述实施例的基础上,编码参数预测模型可以是预先训练得到的,可获取已上传视频的第一关联信息作为样本信息,将该已上传视频的编码参数标识作为标签,对编码参数预测模型进行训练。
编码预估模型用于预测待处理视频进行每一类型编码方式对应的编码预测信息,得到每一编码类型的编码预测信息。以编码类型包括软编码和硬编码为例,编码预估模型可预测得到软编码的编码预测信息和硬编码的编码预测信息。
其中,编码预测信息包括编码预估时长和编码视频数据量。编码预估时长为对待处理视频进行编码处理的耗时,编码视频数据量为经编码处理后得到的编码视频的大小。通过得到每一类型编码方式对应的编码预测信息,可进一步得到每一类型编码方式对待处理视频进行编码处理和上传处理的所需总耗时,便于对编码方式进行筛选。
此处,对待处理视频的第二关联信息和编码参数配置标识作为编码预估模型的输入信息,以得到每一编码类型的编码预测信息。其中,待处理视频的第二关联信息包括所述待处理视频的第一属性信息、网络信息和设备信息。其中,此处对待处理视频的第一属性信息、网络信息不再赘述。设备信息包括但不限于进行视频上传的电子设备中CPU信息、GPU信息,其中,CPU信息包括但不限于CPU类型、cpu类型的评价数据、CPU的占用信息,GPU信息包括但不限于GPU类型、GPU类型的评价数据、GPU的占用信息。其中,cpu类型的评价数据可以是通过CPU类型对电子设备的CPU质量进行评价,得到的评价数据,同理,GPU类型的评价数据可以是通过对GPU类型对电子设备的GPU质量进行评价,得到的评价数据。CPU的占用信息可以是CPU内存占用比例或者CPU内存剩余可用大小等,同理,GPU的占用信息可以是GPU内存占用比例或者GPU内存剩余可用大小等。
针对于不同编码类型生成每一编码类型对应的编码特征,其中,编码特征可以包括待处理视频的第二关联信息、编码参数配置标识以及编码类型标签,便于编码预估模型识别编码类型标签,对该编码类型标签对应的编码类型进行编码预测信息的预测。相应的,基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息,包括:基于所述待处理视频的第二关联信息、所述编码参数配置标识和编码类型标签,形成所述编码类型的编码特征;将所述编码类型的编码特征输入至所述编码预估模型中,得到所述编码类型的编码预测信息。
示例性的,软编码的编码类型标签可以是01,硬编码的编码类型标签可以是10,此处的编码类型标签仅为一种示例,可根据设置需求进行调节。将待处理视频的第二关联信息、所述编码参数配置标识和编码类型标签基于预设的顺序进行拼接,得到编码预估模型的输入向量,将该输入向量输入至编码预估模型,得到编码类型标签对应的编码预测信息。
其中,编码预估模型可以是诸如神经网络模型等的机器学习模型,该编码预估模型的训练过程可以是:可获取经不同编码方式处理的已上传视频,将上述已上传视频的第二关联信息和编码参数配置标识作为样本信息,将该已上传视频的编码时长、编码视频数据量作为标签,对编码预估模型进行迭代训练。
在一些实施例中,编码参数预测模型和编码预估模型可同步训练,其中,训练过程可以是,获取经不同编码方式处理的已上传视频,基于上述已上传视频的第一关联信息作为第一样本信息,输入至待训练的编码参数预测模型中,得到训练编码参数配置标识,将已上传视频的第二关联信息、训练编码参数配置标识和编码类型标签形成第二样本信息,输入至待训练的编码预估模型,得到训练编码时长和训练编码视频数据量,基于训练编码时长、训练编码视频数据量、编码时长标签和编码视频数据量标签得到损失函数,基于该损失函数对编码参数预测模型和编码预估模型进行模型参数的调节。迭代执行上述训练过程,得到训练好的编码参数预测模型和编码预估模型。
本实施例中,对于不同类型的编码上传处理方式和透传处理方式,确定每一种处理方式完成视频上传的总耗时,将总耗时最小的处理方式确定为目标处理方式。其中,任一编码类型的编码上传时长为完成视频上传的总耗时,透传时长为透传方式完成视频上传的总耗时。任一编码类型的编码上传时长为编码预估时长和上传预估时长之和。相应的,任一编码类型的编码上传时长的确定方式包括:基于该编码类型对应的所述编码视频数据量与上传网速确定上传预估时长,基于编码类型对应的编码预估时长和上传预估时长。示例性的,软编码的编码上传时长通过如下公式计算得到:软编码的编码视频数据量/上传网速+软编码的编码预估时长。相应的,硬编码的编码上传时长通过如下公式计算得到:硬编码的编码视频数据量/上传网速+硬编码的编码预估时长。
对待处理视频的透传处理即不对待处理视频进行编码,对待处理视频进行直接上传,相应的透传时长基于所述待处理视频的原始数据量与所述上传网速确定,即透传时长通过如下公式计算得到:原始数据量/上传网速。
在上述实施例中,上传网速的确定方式包括:基于测试文件进行上传测试,得到测试网速;将所述测试网速和网络信息输入至测速模型中,得到上传网速。其中,测试网速的确定方式可以是,获取测试文件的上传时长以及测试文件的数据量大小,基于测试文件的数据量与上传时长的比值确定测试网速。可选的,将测试文件上传至多个服务器中,得到测试文件的平均上传时长,基于测试文件的数据量与平均上传时长确定测试网速的准确性。
由于电子设备的网速是实时变化的,且变化速率很快,为了进一步提高网速测量的准确性,通过预先设置的测速模型对测试网速和网络信息进行预测处理,得到电子设备的上传网速。其中,测速模型可以是诸如神经网络模型的机器学习模型,该测速模型为预先训练得到的,其训练过程可以是:获取已上传视频的上传网速作为标签,该上传网速可以是基于已上传视频的视频数量和上传时长确定,获取已上传视频在上传时刻的测试网速和网络信息作为样本信息,基于上述样本信息和标签对测速模型进行训练。
通过上述方式分别确定每一编码类型的编码上传时长和透传时长,将每一所述编码类型的编码上传时长与所述透传时长进行比对,确定其中的最小时长,将所述最小时长对应的处理方式确定为目标处理方式。通过对待处理视频的上传总时长的比对确定的目标处理方式,能够对待处理视频基于最小耗时完成上传,提高视频的上传效率。
本实施例提供的技术方案,通过对编码参数配置标识的预测,进一步预测不同类型的编码方式对待处理视频进行编码处理对应的编码预测信息,通过每一编码方式对应的编码预测信息确定每一编码方式对应的编码上传的处理耗时,并通过不同编码方式对应的处理耗时与透传处理耗时的比对确定适用于待处理视频的目标处理方式,通过该目标处理方式对待处理视频进行上传处理,实现最小的处理耗时完成视频上传,提高视频的上传效率。
在上述实施例的基础上,在保证了视频上传效率的基础上,还要兼顾视频上传成功率。可选的,基于上传预测模型对所述网络信息和待处理视频的第一属性信息进行预测处理,得到所述待处理视频的上传预测结果,所述上传预测结果包括上传成功和上传不成功。其中,上传预测模型可以是二分类模型,例如可以是神经网络模型,此处不作限定。该上传预测模型的训练过程可以是:获取已上传视频的第一属性信息和在上传时刻的网络信息作为样本信息,获取已上传视频的是否上传成功的标签,基于上述样本信息和是否上传成功的标签对上传预测模型进行训练。
在对待处理视频的上传预测结果为成功的情况下,基于目标处理方式对待处理视频进行上传处理。在待处理视频的上传预测结果为不成功的情况下,可以是网络质量不支持大数量的视频数据传输,或者,待处理视频的数据量过大导致,对所述目标处理方式进行更新,以减少上传过程中的视频数据量。
可选的,对所述目标处理方式进行更新,包括:在所述目标处理方式为透传的情况下,将所述目标处理方式更新为编码上传,所述编码上传的编码类型通过每一所述编码类型的编码上传时长确定。目标处理方式为透传,表明未对待处理视频进行编码处理,待处理视频的数据量大,需通过编码方式减少视频数据量。将目标处理方式更新为编码上传,对待处理视频经编码处理后再上传,可减少进行传输的视频数据量,提高上传成功率。
其中,更新后的目标处理方式通过每一所述编码类型的编码上传时长的比对确定,将编码上传时长的编码类型确定为目标处理方式。在通过编码方式减少进行传输的视频数据量的基础上,减少编码和上传的总耗时,进一步提高上传成功率。
在上述实施例的基础上,可根据需求设置不同处理方式的比例,例如软编码、硬编码和不编码的比例满足预设比例。在上述处理过程中,对所述编码参数预测模型、所述编码预估模型、所述测速模型、所述上传预测模型中的任一项的输出信息进行置信度调节,其中,不同模型的置信度可以是根据需求设置,其置信度数值可以不同。通过设置不同模块的置信度,可设置了处理过程的干预入口,在不同处理方式的需求比例发生变化的情况下,可通过编辑各个模型的置信度进行调节实现,无需对上述过程的多个模型进行重复训练,以减少训练过程的资源消耗。同时,在模型训练过程中,可通过各个模型的置信度调节加速模型的训练过程,提高模型训练效率以及减少模型训练过程的资源消耗。
在上述实施例的基础上,本公开实施例提供了一种视频处理方法的优选实例,参见图2,图2是本公开实施例提供的一种视频处理方法的流程图。具体的,获取特征信息,该特征信息包括待处理视频的第一属性信息、网络信息、待处理视频所属用户的历史上传视频的第二属性信息和设备信息。通过待处理视频的第一属性信息、网络信息、待处理视频所属用户的历史上传视频的第二属性信息生成编码参数预测模型的输入信息,并输入至编码参数预测模型中,编码参数预测模型得到的预测数值经置信度调节,得到待处理视频的编码参数配置标识。将待处理视频的第一属性信息、网络信息、设备信息、编码参数配置标识以及软编码的类型标签拼接得到软编特征,输入至编码预估模型,得到软编码对应的编码预测信息,即软编时长和软编大小。将待处理视频的第一属性信息、网络信息、设备信息、编码参数配置标识以及硬编码的类型标签拼接得到硬编特征,输入至编码预估模型,得到硬编码对应的编码预测信息,即硬编时长和硬编大小。上述编码预测信息经置信度调节输出。基于测试文件得到电子设备的测试网速,基于测速模型对测试网速和网络信息进行预测处理,将测速模型的输出数据经置信度调节得到上传网速。基于上传预测模型对待处理视频的第一属性信息和网络信息进行预测,将上传预测模型的输出数据经置信度调节,得到上传预测结果,上传预测结果包括上传成功和上传不成功。通过软编码对应的编码预测信息和上传网速计算得到软编码对应的编码上传时长,通过硬编码对应的编码预测信息和上传网速计算得到硬编码对应的编码上传时长,通过待处理视频的原始数据量和上传网速计算得到透传时长。
基于软编码对应的编码上传时长、硬编码对应的编码上传时长和透传时长进行比对,确定最小总时长对应的处理方式作为目标处理方式。在上传预测结果为上传不成功,且目标处理方式为透传的情况下,将目标处理方式更新为编码上传时长最小的编码上传方式。
图3为本公开实施例所提供的一种视频处理装置结构示意图,如图3所示,所述装置包括:编码参数预测模块210、编码预测信息确定模块220、处理时长确定模块230以及处理方式确定模块240。
编码参数预测模块210,用于获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
编码预测信息确定模块220,用于基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
处理时长确定模块230,用于基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
处理方式确定模块240,用于基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
本公开实施例所提供的技术方案,通过对编码参数配置标识的预测,进一步预测不同类型的编码方式对待处理视频进行编码处理对应的编码预测信息,通过每一编码方式对应的编码预测信息确定每一编码方式对应的编码上传的处理耗时,并通过不同编码方式对应的处理耗时与透传处理耗时的比对确定适用于待处理视频的目标处理方式,通过该目标处理方式对待处理视频进行上传处理,实现最小的处理耗时完成视频上传,提高视频的上传效率。
在上述实施例的基础上,可选的,编码预测信息确定模块220用于:
基于所述待处理视频的第二关联信息、所述编码参数配置标识和编码类型标签,形成所述编码类型的编码特征;将所述编码类型的编码特征输入至所述编码预估模型中,得到所述编码类型的编码预测信息。
在上述实施例的基础上,可选的,所述编码预测信息包括编码预估时长和编码视频数据量;
所述编码类型的编码上传时长的确定方式包括:基于所述编码视频数据量与上传网速确定上传预估时长,基于所述编码预估时长和上传预估时长确定编码上传时长;所述透传时长基于所述待处理视频的原始数据量与所述上传网速确定。
可选的,处理时长确定模块230用于:
基于测试文件进行上传测试,得到测试网速;将所述测试网速和网络信息输入至测速模型中,得到上传网速。
在上述实施例的基础上,可选的,处理方式确定模块240用于:
确定每一所述编码类型的编码上传时长与所述透传时长中的最小时长,将所述最小时长对应的处理方式确定为目标处理方式。
在上述实施例的基础上,可选的,该装置还包括:
处理方式更新模块,用于:基于上传预测模型对所述网络信息和待处理视频的第一属性信息进行预测处理,得到所述待处理视频的上传预测结果,所述上传预测结果包括上传成功和上传不成功;在预测上传不成功的情况下,对所述目标处理方式进行更新。
可选的,处理方式更新模块还用于:
在所述目标处理方式为透传的情况下,将所述目标处理方式更新为编码上传,所述编码上传的编码类型通过每一所述编码类型的编码上传时长确定。
在上述实施例的基础上,可选的,该装置还包括:
置信度调节模块,用于对所述编码参数预测模型、所述编码预估模型、所述测速模型、所述上传预测模型中的一项或多项的输出信息进行置信度调节。
本公开实施例所提供的视频处理装置可执行本公开任意实施例所提供的视频处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
图4为本公开实施例所提供的一种电子设备的结构示意图。下面参考图4,其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)500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4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4所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505: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506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500,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509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
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。
本公开实施例提供的电子设备与上述实施例提供的视频处理方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的视频处理方法。
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:
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:获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
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”。
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,【示例一】提供了一种视频处理方法,包括:
获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
根据本公开的一个或多个实施例,【示例二】提供了示例一的视频处理方法,还包括:
所述基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息,包括:基于所述待处理视频的第二关联信息、所述编码参数配置标识和编码类型标签,形成所述编码类型的编码特征;将所述编码类型的编码特征输入至所述编码预估模型中,得到所述编码类型的编码预测信息。
根据本公开的一个或多个实施例,【示例三】提供了示例一的视频处理方法,还包括:
所述编码预测信息包括编码预估时长和编码视频数据量;
所述编码类型的编码上传时长的确定方式包括:基于所述编码视频数据量与上传网速确定上传预估时长,基于所述编码预估时长和上传预估时长确定编码上传时长;所述透传时长基于所述待处理视频的原始数据量与所述上传网速确定。
根据本公开的一个或多个实施例,【示例四】提供了示例一的视频处理方法,还包括:
所述上传网速的确定方式包括:基于测试文件进行上传测试,得到测试网速;将所述测试网速和网络信息输入至测速模型中,得到上传网速。
根据本公开的一个或多个实施例,【示例五】提供了示例一的视频处理方法,还包括:
所述基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,包括:确定每一所述编码类型的编码上传时长与所述透传时长中的最小时长,将所述最小时长对应的处理方式确定为目标处理方式。
根据本公开的一个或多个实施例,【示例六】提供了示例一的视频处理方法,还包括:
所述方法还包括:基于上传预测模型对所述网络信息和待处理视频的第一属性信息进行预测处理,得到所述待处理视频的上传预测结果,所述上传预测结果包括上传成功和上传不成功;在预测上传不成功的情况下,对所述目标处理方式进行更新。
根据本公开的一个或多个实施例,【示例七】提供了示例一的视频处理方法,还包括:
所述对所述目标处理方式进行更新,包括:在所述目标处理方式为透传的情况下,将所述目标处理方式更新为编码上传,所述编码上传的编码类型通过每一所述编码类型的编码上传时长确定。
根据本公开的一个或多个实施例,【示例八】提供了示例一的视频处理方法,还包括:
所述方法还包括:对所述编码参数预测模型、所述编码预估模型、所述测速模型、所述上传预测模型中的一项或多项的输出信息进行置信度调节。
根据本公开的一个或多个实施例,【示例九】提供了一种视频处理装置,包括:
编码参数预测模块,用于获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
编码预测信息确定模块,用于基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
处理时长确定模块,用于基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
处理方式确定模块,用于基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
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。
Claims (11)
1.一种视频处理方法,其特征在于,包括:
获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
2.根据权利要求1所述的方法,其特征在于,所述基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息,包括:
基于所述待处理视频的第二关联信息、所述编码参数配置标识和编码类型标签,形成所述编码类型的编码特征;
将所述编码类型的编码特征输入至所述编码预估模型中,得到所述编码类型的编码预测信息。
3.根据权利要求1所述的方法,其特征在于,所述编码预测信息包括编码预估时长和编码视频数据量;
所述编码类型的编码上传时长的确定方式包括:基于所述编码视频数据量与上传网速确定上传预估时长,基于所述编码预估时长和上传预估时长确定编码上传时长;
所述透传时长基于所述待处理视频的原始数据量与所述上传网速确定。
4.根据权利要求3所述的方法,其特征在于,所述上传网速的确定方式包括:
基于测试文件进行上传测试,得到测试网速;
将所述测试网速和网络信息输入至测速模型中,得到上传网速。
5.根据权利要求1所述的方法,其特征在于,所述基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,包括:
确定每一所述编码类型的编码上传时长与所述透传时长中的最小时长,将所述最小时长对应的处理方式确定为目标处理方式。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
基于上传预测模型对所述网络信息和待处理视频的第一属性信息进行预测处理,得到所述待处理视频的上传预测结果,所述上传预测结果包括上传成功和上传不成功;
在预测上传不成功的情况下,对所述目标处理方式进行更新。
7.根据权利要求6所述的方法,其特征在于,所述对所述目标处理方式进行更新,包括:
在所述目标处理方式为透传的情况下,将所述目标处理方式更新为编码上传,所述编码上传的编码类型通过每一所述编码类型的编码上传时长确定。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
对所述编码参数预测模型、所述编码预估模型、所述测速模型、所述上传预测模型中的一项或多项的输出信息进行置信度调节。
9.一种视频处理装置,其特征在于,包括:
编码参数预测模块,用于获取待处理视频的第一关联信息,基于编码参数预测模型对所述第一关联信息进行预测处理,得到所述待处理视频的编码参数配置标识;
编码预测信息确定模块,用于基于编码预估模型对所述待处理视频的第二关联信息和所述编码参数配置标识进行预测处理,得到每一编码类型的编码预测信息;
处理时长确定模块,用于基于所述编码类型的编码预测信息确定所述编码类型的编码上传时长,以及基于所述待处理视频的原始数据量确定透传时长;
处理方式确定模块,用于基于每一所述编码类型的编码上传时长和所述透传时长确定所述待处理视频的目标处理方式,基于所述目标处理方式对所述待处理视频进行上传处理。
10.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的视频处理方法。
11.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的视频处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311285077.3A CN117241092A (zh) | 2023-09-28 | 2023-09-28 | 一种视频处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311285077.3A CN117241092A (zh) | 2023-09-28 | 2023-09-28 | 一种视频处理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117241092A true CN117241092A (zh) | 2023-12-15 |
Family
ID=89092798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311285077.3A Pending CN117241092A (zh) | 2023-09-28 | 2023-09-28 | 一种视频处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117241092A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117440172A (zh) * | 2023-12-20 | 2024-01-23 | 江苏金融租赁股份有限公司 | 一种图片压缩方法及装置 |
-
2023
- 2023-09-28 CN CN202311285077.3A patent/CN117241092A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117440172A (zh) * | 2023-12-20 | 2024-01-23 | 江苏金融租赁股份有限公司 | 一种图片压缩方法及装置 |
CN117440172B (zh) * | 2023-12-20 | 2024-03-19 | 江苏金融租赁股份有限公司 | 一种图片压缩方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781373A (zh) | 榜单更新方法、装置、可读介质和电子设备 | |
CN117241092A (zh) | 一种视频处理方法、装置、存储介质及电子设备 | |
CN113033680B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN113392018B (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN111798251A (zh) | 房源数据的验证方法、装置和电子设备 | |
CN116306981A (zh) | 策略确定方法、装置、介质及电子设备 | |
CN116258911A (zh) | 图像分类模型的训练方法、装置、设备及存储介质 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN116092092A (zh) | 匹配方法、装置、介质及电子设备 | |
CN115269978A (zh) | 一种视频标签生成方法、装置、设备及介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN113177176A (zh) | 特征构建方法、内容显示方法及相关装置 | |
CN115099323B (zh) | 内容小组确定方法、装置、介质及电子设备 | |
CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
CN115938470B (zh) | 蛋白质特征预处理方法、装置、介质及设备 | |
CN117251639A (zh) | 内容推荐方法、推荐模型的训练方法、装置、介质及设备 | |
CN116340632A (zh) | 对象推荐方法、装置、介质及电子设备 | |
CN117201836A (zh) | 一种视频画质检测方法、装置、设备和存储介质 | |
CN116319932A (zh) | 内容推送模型的训练方法、装置、设备及存储介质 | |
CN118171098A (zh) | 异常数据检测方法、装置、电子设备和存储介质 | |
CN117454959A (zh) | 神经网络模型结构确定方法、装置、设备、介质及产品 | |
CN117200942A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN116204722A (zh) | 一种内容推荐方法、装置、设备及介质 | |
CN117082273A (zh) | 视频播放时长预测方法、装置、电子设备、介质及产品 |
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 |