【技术实现步骤摘要】
用于生成模型的方法和装置
本申请实施例涉及计算机
,具体涉及用于生成模型的方法和装置。
技术介绍
随着计算机技术的发展,短视频类应用应运而生。用户可以利用短视频类应用上传、发布视频。服务器在接收到一个视频后,可以对该视频进行检测,以确定其是否为低质视频。此处,低质视频通常为质量较低的视频,例如,可以包括模糊视频、黑屏视频、录屏视频等。相关的方式,通常是将视频分为多类,例如分为黑屏视频类、录屏视频类、模糊视频类、正常视频类。训练分类模型确定视频属于各个类别的概率,将视频属于非正常视频的概率之和作为视频属于低质视频的概率,进而确定视频是否为低质视频。
技术实现思路
本申请实施例提出了用于生成模型的方法和装置。第一方面,本申请实施例提供了一种用于生成模型的方法,该方法包括:获取样本集,其中,该样本集中的样本包括样本视频和用于指示样本视频是否属于低质视频的第一标注信息,当样本视频属于低质视频时,样本还包括用于指示样本视频的低质类别的第二标注信息;从样本集中提取样本,执行如下训练步骤:将所提取的样本中的样本视频中的帧输入至初始模型,分别得到样本视频属于低质视频和各低质类别的概率;基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值;基于损失值与目标值的比较,确定初始模型是否训练完成;响应于确定初始模型训练完成,将训练后的初始模型确定为低质视频检测模型。在一些实施例中,基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值,包括:将所提取的样本中的第一标注信息、样本视频属于低质视频的概率输入至预先建立的第一损失函 ...
【技术保护点】
1.一种用于生成模型的方法,包括:获取样本集,其中,所述样本集中的样本包括样本视频和用于指示样本视频是否属于低质视频的第一标注信息,当样本视频属于低质视频时,样本还包括用于指示样本视频的低质类别的第二标注信息;从所述样本集中提取样本,执行如下训练步骤:将所提取的样本中的样本视频中的帧输入至初始模型,分别得到样本视频属于低质视频和各低质类别的概率;基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值;基于所述损失值与目标值的比较,确定初始模型是否训练完成;响应于确定初始模型训练完成,将训练后的初始模型确定为低质视频检测模型。
【技术特征摘要】
1.一种用于生成模型的方法,包括:获取样本集,其中,所述样本集中的样本包括样本视频和用于指示样本视频是否属于低质视频的第一标注信息,当样本视频属于低质视频时,样本还包括用于指示样本视频的低质类别的第二标注信息;从所述样本集中提取样本,执行如下训练步骤:将所提取的样本中的样本视频中的帧输入至初始模型,分别得到样本视频属于低质视频和各低质类别的概率;基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值;基于所述损失值与目标值的比较,确定初始模型是否训练完成;响应于确定初始模型训练完成,将训练后的初始模型确定为低质视频检测模型。2.根据权利要求1所述的用于生成模型的方法,其中,所述基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值,包括:将所提取的样本中的第一标注信息、样本视频属于低质视频的概率输入至预先建立的第一损失函数,得到第一损失值;响应于确定所提取的样本中不包含第二标注信息,将所述第一损失值确定为所提取的样本的损失值。3.根据权利要求2所述的用于生成模型的方法,其中,所述基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值,还包括:响应于确定所提取的样本中包含第二标注信息,将所提取的样本中的第二标注信息所指示的低质类别作为目标类别,将所提取的样本中所包含的第二标注信息、样本视频属于目标类别的概率输入至预先建立的第二损失函数,得到第二损失值;将所述第一损失值与所述第二损失值之和确定为所提取的样本的损失值。4.根据权利要求1所述的用于生成模型的方法,其中,所述方法还包括:响应于确定初始模型未训练完成,基于所确定的损失值,更新初始模型中的参数,从所述样本集中重新提取样本,使用更新参数后的初始模型作为初始模型,继续执行所述训练步骤。5.一种用于生成模型的装置,包括:获取单元,被配置成获取样本集,其中,所述样本集中的样本包括样本视频和用于指示样本视频是否属于低质视频的第一标注信息,当样本视频属于低质视频时,样本还包括用于指示样本视频的低质类别的第二标注信息;训练单元,被配置成从所述样本集中提取样本,执行如下训练步骤:将所提取的样本中的样本视频的帧输入至初始模型,分别得到样本视频属于低质视频和各低质类别的概率;基于所提取的样本中的标注信息、所得到的概率和预先建立的损失函数,确定样本的损失值;基于所述损失值与目标值的比较,确定初始模型是否训练完成;响应于确定初始模型训练完成,将训练后的初始模型确定为低质视频检测模型。6.根据权利要求5所述的用于生成模型的装置,其中,所述训练单元,进一步被配置成:将所提取的样本中的第一标注信息、样本视频属于低质视频的概率输入至预先建立的第一损失函数,得到第一损失值;响应于确定所提取的样本中不包含第二标注信息,将所述第一损失值确定为所提取的样本的损失值。7.根据权利要求6所述的用于生成模...
【专利技术属性】
技术研发人员:袁泽寰,王长虎,
申请(专利权)人:北京字节跳动网络技术有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。