用于生成模型的方法和装置制造方法及图纸

本申请实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取训练样本集合，以及将训练样本集合划分成预设数量个训练样本组，其中，训练样本包括样本视频和针对样本视频预先标注的样本识别结果，样本识别结果用于指示样本视频是否为对显示样本对象的屏幕进行拍摄所获得的视频；对于预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型；基于所得到的初始视频识别模型，生成视频识别模型。通过该实施方式能够得到一种可以用于识别视频的模型，且丰富了模型的生成方式。

【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
，尤其涉及用于生成模型的方法和装置。
技术介绍
目前，通过拍摄视频实现信息分享已经成为人们生活中重要的信息分享模式。实践中，有不少用户为了将其他用户拍摄获得的视频作为其个人拍摄获得的视频，会对其他用户拍摄获得的视频进行录制。可以理解的是，录制其他用户的视频往往会带来侵权、有损公平性等不良影响，因此，用于进行信息分享的平台可以对该类视频进行识别，进而对其进行拦截。
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，以及用于识别视频的方法和装置。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：获取训练样本集合，以及将训练样本集合划分成预设数量个训练样本组，其中，训练样本包括样本视频和针对样本视频预先标注的样本识别结果，样本视频为对样本对象进行拍摄所获得的视频，样本识别结果用于指示样本视频是否为对显示样本对象的屏幕进行拍摄所获得的视频；对于预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的本文档来自技高网...

【技术保护点】
1.一种用于生成模型的方法，包括：获取训练样本集合，以及将训练样本集合划分成预设数量个训练样本组，其中，训练样本包括样本视频和针对样本视频预先标注的样本识别结果，所述样本视频为对样本对象进行拍摄所获得的视频，所述样本识别结果用于指示所述样本视频是否为对显示所述样本对象的屏幕进行拍摄所获得的视频；对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型；基于所得到的初始视频识别模型，生成视频识别模型。

【技术特征摘要】
1.一种用于生成模型的方法，包括：获取训练样本集合，以及将训练样本集合划分成预设数量个训练样本组，其中，训练样本包括样本视频和针对样本视频预先标注的样本识别结果，所述样本视频为对样本对象进行拍摄所获得的视频，所述样本识别结果用于指示所述样本视频是否为对显示所述样本对象的屏幕进行拍摄所获得的视频；对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型；基于所得到的初始视频识别模型，生成视频识别模型。2.根据权利要求1所述的方法，其中，所述对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型，包括：从所述预设数量个训练样本组中选取训练样本组作为候选训练样本组，以及基于候选训练样本组和初始模型，执行以下训练步骤：将候选训练样本组中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法对初始模型进行训练，获得初始视频识别模型；确定所述预设数量个训练样本组中是否存在未被选取的训练样本组；响应于确定不存在未被选取的训练样本组，获得预设数量个初始视频识别模型。3.根据权利要求2所述的方法，其中，所述对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型，还包括：响应于确定存在未被选取的训练样本组，从未被选取的训练样本组中选取训练样本组作为新的候选训练样本组，将最近一次获得的初始视频识别模型作为新的初始模型，继续执行所述训练步骤。4.根据权利要求1所述的方法，其中，所述对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型，包括：确定用于表征所述预设数量个训练样本组的优劣程度的数值；基于所确定的数值，从所述预设数量个训练样本组中选取最优的训练样本组作为候选训练样本组，以及基于候选训练样本组和初始模型，执行以下训练步骤：将候选训练样本组中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法对初始模型进行训练，获得初始视频识别模型；确定所述预设数量个训练样本组中是否存在未被选取的训练样本组；响应于确定不存在未被选取的训练样本组，获得预设数量个初始视频识别模型。5.根据权利要求4所述的方法，其中，所述对于所述预设数量个训练样本组中的训练样本组，将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为期望输出，利用机器学习方法训练得到该组训练样本所对应的初始视频识别模型，还包括：响应于确定存在未被选取的训练样本组，基于所确定的数值，从未被选取的训练样本组中选取最优的训练样本组作为新的候选训练样本组，将最近一次获得的初始视频识别模型作为新的初始模型，继续执行所述训练步骤。6.根据权利要求4所述的方法，其中，所述确定用于表征所述预设数量个训练样本组的优劣程度的数值，包括：获取预先设置的验证样本集合，其中，验证样本包括验证用视频和针对验证用视频预先标注的验证用识别结果；对于所述预设数量个训练样本组中的训练样本组，执行以下步骤：将该组训练样本中的训练样本的样本视频作为输入，将所输入的样本视频所对应的样本识别结果作为输出，利用机器学习方法训练得到该组训练样本所对应的待验证视频识别模型；将验证样本集合中的验证样本的验证用视频输入该组训练样本所对应的待验证视频识别模型，获得实际识别结果，确定实际识别结果相对于所输入的验证用视频所对应的验证用识别结果的损失值，基于所确定的损失值，生成用于表征该组训练样本组的优劣程度的数值。7.根据权利要求4-6之一所述的方法，其中，所述基于所得到的初始视频识别模型，生成视频识别模型，包括：基于所确定的数值，为所获得的初始视频识别模型分配权重；基于所分配的权重，对所获得的初始视频识别模型进行融合，生成视频识别模型。8.根据权利要求2-6之一所述的方法，其中，所述基于所得到的初始视频识别模型，生成视频识别模型，包括：将最后一次获得的初始视频识别模型确定为视频识别模型。9.一种用于生成模型的装置，包括：样本获取单元，被配置成获取训练样本集合，以及将训练样本集合划分成预设数量个训练样本组，其中，训练样本包括样本视频和针对样本视频预先标注的样本识别结果，所述样本视...

【专利技术属性】
技术研发人员：李伟健，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