视频清晰度评估模型训练方法、视频推荐方法及相关装置制造方法及图纸

本发明专利技术实施例公开了一种视频清晰度评估模型训练方法、视频推荐方法及相关装置，视频清晰度评估模型训练方法包括：获取多个原始视频；基于所述原始视频获得清晰度不同的训练视频对；对所述训练视频对中的视频进行标注，得到所述训练视频对的标签；采用所述训练视频对和所述标签训练模型，得到视频清晰度评估模型。本发明专利技术实施例基于原始视频生成用于模型训练的训练视频对后，在训练视频对中标注出清晰度较高的原始视频，在人工标注时仅需要确定训练视频对中清晰度更高的原始视频，无需对每个原始视频的清晰度打分，提高了人工标注的效率，节省人工标注训练数据的成本。

Training methods, video recommendation methods and related devices of video definition evaluation model

【技术实现步骤摘要】
视频清晰度评估模型训练方法、视频推荐方法及相关装置
本专利技术实施例涉及视频推荐
，尤其涉及一种视频清晰度评估模型训练方法、视频清晰度评估模型训练装置、视频推荐方法、视频推荐装置、设备和存储介质。
技术介绍
随着网络技术的发展，如今短视频在人们的生活中无处不在，然而，短视频在拍摄、传输或者存储的过程中清晰度会受到不同程度的损伤，因此，如何评估视频的清晰度一直以来是一个较棘手的问题。伴随着神经网络的兴起，无参考视频清晰度评估技术得到了长足进步，但是现有基于神经网络的无参考视频清晰度评估方法在训练神经网络时，需要大量的人工标注视频数据，需要对每个视频数据的清晰度进行明确的打分，在神经网络加深、神经网络参数量急剧增加的情况下，需要人工对训练用的视频数据进行大量的标注，非常消耗人力。
技术实现思路
本专利技术实施例提供一种视频清晰度评估模型训练方法、视频清晰度评估模型训练装置、视频推荐方法、视频推荐装置、设备和存储介质，以解决现有技术中训练视频清晰度评估模型时需要大量人力标注视频数据的问题。第一方面，本专利技术本文档来自技高网...

【技术保护点】
1.一种视频清晰度评估模型训练方法，其特征在于，包括：/n获取多个原始视频；/n基于所述原始视频获得清晰度不同的训练视频对；/n对所述训练视频对中的视频进行标注，得到所述训练视频对的标签；/n采用所述训练视频对和所述标签训练模型，得到视频清晰度评估模型。/n

【技术特征摘要】
1.一种视频清晰度评估模型训练方法，其特征在于，包括：
获取多个原始视频；
基于所述原始视频获得清晰度不同的训练视频对；
对所述训练视频对中的视频进行标注，得到所述训练视频对的标签；
采用所述训练视频对和所述标签训练模型，得到视频清晰度评估模型。


2.根据权利要求1所述的方法，其特征在于，所述基于所述原始视频获得清晰度不同的训练视频对，包括：
获取所述原始视频的图像质量评价参数；
基于所述图像视频评价参数将多个原始视频分为多个质量档次的原始视频；
从每个质量档次的原始视频中提取各提取一个原始视频得到多个视频组；
从所述视频组中提取任意两个原始视频得到训练视频对。


3.根据权利要求2所述的方法，其特征在于，所述对所述训练视频对中的视频进行标注，得到所述训练视频对的标签，包括：
基于所述训练视频对中所述原始视频所属的质量档次对清晰度高和清晰度低的原始视频进行标注，得到所述训练视频对的标签。


4.根据权利要求1所述的方法，其特征在于，所述基于所述原始视频获得清晰度不同的训练视频对，包括：
对所述原始视频进行图像处理，得到所述原始视频对应的处理后的视频；
采用所述原始视频以及对所述原始视频进行图像处理后得到的视频组成一个训练视频对。


5.根据权利要求4所述的方法，其特征在于，所述对所述原始视频进行图像处理，得到所述原始视频对应的处理后的视频，包括：
对所述原始视频进行转码处理得到转码后的视频，所述转码后的视频的清晰度低于所述原始视频的清晰度，或者；
对所述原始视频进行模糊处理，得到模糊处理后的视频，所述模糊处理后的视频的清晰度低于所述原始视频的清晰度。


6.根据权利要求4所述的方法，其特征在于，所述对所述训练视频对中的视频进行标注，得到所述训练视频对的标签包括：
将所述训练视频对中的原始视频标注为清晰度高的视频，所述原始视频处理后的视频标注为清晰度低的视频，得到所述训练视频对的标签。


7.根据权利要求1-6任一项所述的方法，其特征在于，所述采用所述训练视频对和所述标签训练模型，得到视频清晰度评估模型，包括：
提取所述训练视频对中每个视频的编码信息；
采用所述训练视频对、所述编码信息以及所述标签训练模型得到视频清晰度评估模型。


8.根据权利要求7所述的方法，其特征在于，所述采用所述训练视频对、所述编码信息以及所述标签训练模型得到视频清晰度评估模型，包括：
初始化视频清晰度评估模型的模型参数，所述视频清晰度评估模型包括卷积层和全连接层；
随机提取训练视频对输入所述初始视频清晰度评估模型的卷积层中提取视频特征；
将所述视频特征和所述训练视频对的编码信息输入全连接层中得到所述视频对中每个视频的清晰度得分；
采用所述清晰度得分和所述标签计算损失率；
如果所述损失率未满足预设条件，则采用所述损失率计算梯度；
采用所述梯度调整模型参数，返回随机提取训练视频对输入所述初始视频清晰度评估模型的卷积层中提取视频特征的步骤，直到所述损失率满足预设条件。


9.根据权利要求3所述的方法，其特征在于，在采用所述训练视频对和所述标签训练模型，得到视频清晰度评估模型之后，还包括：
随机提取多个视频组对所述视频清晰度评估模型的模型参数进行调整。


10.根据权利要求9所述的方法，其特征在于，所述随机提取多个视频组对所述视频清晰度评估模型的模型参数进行调整，包括：
随机提取视频组输入至所述视频清晰度评估模型中，得到所述视频组中每个原始视频的第一清晰度得分；
针对每个视频组，基于从所述视频组提取任意两个原始视频得到的训练视频对的标签计算每个原始视频的第二清晰度得分；
采用所述每个原始视频的第二清晰度得分和所述第一清晰度得分计算损失率；
在所述损失率未满足预设条...

【专利技术属性】
技术研发人员：陈建强，刘汇川，刘运，
申请(专利权)人：广州市百果园网络科技有限公司，
类型：发明
国别省市：广东;44