一种标签生成方法、设备及计算机可读存储介质技术

本申请提供了一种标签生成方法、设备及计算机可读存储介质；方法包括：当接收到待生成视频时，从待生成视频中提取出至少一个待分类视频帧；获取全量分类模型，并针对至少一个待分类视频帧中的每个待分类视频帧，确定出全量分类模型所对应的多个模型调度指标；多个模型调度指标中的每个模型调度指标表征全量分类模型中的每个分类模型对至少一个待分类视频帧中的每个待分类视频帧的重要程度；基于多个模型调度指标，从全量分类模型中为每个待分类视频帧确定出与每个待分类视频帧对应的目标模型；利用每个待分类视频帧对应的目标模型，对每个待分类视频帧进行识别，得到每个待分类视频帧的识别标签。本申请通过大数据分析提高了标签生成效率。

【技术实现步骤摘要】
一种标签生成方法、设备及计算机可读存储介质
本申请涉及人工智能技术，尤其涉及一种标签生成方法、设备及计算机可读存储介质。
技术介绍
视频中通常包含有丰富的信息内容，其中，有一些视频片段可能包含有用户所关注的重要信息，若是能为视频片段生成对应的标签，能够使用户快速、准确地定位到包含其所关注的信息的视频片段中。在相关技术中，通常会利用多种不同的分类模型对视频帧进行识别，从而为视频片段生成标签。然而，随着模型数量的增多，对视频帧进行识别所耗费的时间也会增多，从而使得标签生成的效率较低。
技术实现思路
本申请实施例提供一种标签生成方法、设备及计算机可读存储介质，能够提高标签生成的效率。本申请实施例的技术方案是这样实现的：本申请实施例提供一种标签生成方法，包括：当接收到待生成视频时，从所述待生成视频中提取出至少一个待分类视频帧；所述至少一个待分类视频帧为所述待生成视频中的关键帧；获取全量分类模型，并针对所述至少一个待分类视频帧中的每个待分类视频帧，确定出所述全量分类模型所对应的多个模型调度指标；其中，所述多个模本文档来自技高网...

【技术保护点】
1.一种标签生成方法，其特征在于，包括：/n当接收到待生成视频时，从所述待生成视频中提取出至少一个待分类视频帧；所述至少一个待分类视频帧为所述待生成视频中的关键帧；/n获取全量分类模型，并针对所述至少一个待分类视频帧中的每个待分类视频帧，确定出所述全量分类模型所对应的多个模型调度指标；其中，所述多个模型调度指标中的每个模型调度指标表征所述全量分类模型中的每个分类模型对所述至少一个待分类视频帧中的所述每个待分类视频帧的重要程度；所述全量分类模型包括至少一个分类模型；/n基于所述多个模型调度指标，从所述全量分类模型中为所述每个待分类视频帧确定出与所述每个待分类视频帧对应的目标模型；/n利用所述每个...

【技术特征摘要】
1.一种标签生成方法，其特征在于，包括：
当接收到待生成视频时，从所述待生成视频中提取出至少一个待分类视频帧；所述至少一个待分类视频帧为所述待生成视频中的关键帧；
获取全量分类模型，并针对所述至少一个待分类视频帧中的每个待分类视频帧，确定出所述全量分类模型所对应的多个模型调度指标；其中，所述多个模型调度指标中的每个模型调度指标表征所述全量分类模型中的每个分类模型对所述至少一个待分类视频帧中的所述每个待分类视频帧的重要程度；所述全量分类模型包括至少一个分类模型；
基于所述多个模型调度指标，从所述全量分类模型中为所述每个待分类视频帧确定出与所述每个待分类视频帧对应的目标模型；
利用所述每个待分类视频帧对应的所述目标模型，对所述每个待分类视频帧进行识别，得到所述每个待分类视频帧的识别标签。


2.根据权利要求1所述的方法，其特征在于，所述基于所述多个模型调度指标，从所述全量分类模型中为所述每个待分类视频帧确定出与所述每个待分类视频帧对应的目标模型，包括：
对所述每个待分类视频帧的多个模型调度指标进行排序，其中所述每个待分类视频帧的多个模型调度指标表征所述全量分类模型中的各个分类模型对所述每个待分类视频帧的重要程度；
将所述每个待分类视频帧的多个模型调度指标中最高的预设数量的模型调度指标所对应的分类模型，作为所述每个待分类视频帧对应的所述目标模型。


3.根据权利要求1所述的方法，其特征在于，所述全量分类模型中的每个分类模型具有对应于所述至少一个待分类视频帧的模型调度指标；所述基于所述多个模型调度指标，从所述全量分类模型中为所述每个待分类视频帧确定出与所述每个待分类视频帧对应的目标模型，包括：
将所述多个模型调度指标中与所述每个待分类视频帧对应的模型调度指标，与预设好的指标阈值进行比较，得到比较结果；
从所述全量分类模型中，挑选出所述比较结果表征所述模型调度指标大于所述预设好的指标阈值的分类模型，作为所述每个待分类视频帧对应的所述目标模型。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述利用所述每个待分类视频帧对应的所述目标模型，对所述每个待分类视频帧进行识别，得到所述每个待分类视频帧的识别标签，包括：
确定每个目标模型对应的待分类视频帧作为目标视频帧；
对所述每个目标模型的所述目标视频帧的数量进行统计，得到所述每个目标模型的目标视频帧数量；
利用所述目标视频帧数量，为所述每个目标模型确定出对应的执行顺序；
按照所述执行顺序，利用所述每个目标模型对与所述每个目标模型对应的所述目标视频帧进行识别，得到所述目标视频帧对应的识别标签；
当对所述每个目标模型所对应的所述目标视频帧识别之后，得到所述每个待分类视频帧对应的识别标签。


5.根据权利要求4所述的方法，其特征在于，所述按照所述执行顺序，利用所述每个目标模型对与所述每个目标模型对应的所述目标视频帧进行识别，得到所述目标视频帧对应的识别标签，包括：
将所述执行顺序与预设顺序进行比较，得到顺序比较结果；所述顺序比较结果表征所述执行顺序与所述预设顺序的前后关系；
当所述顺序比较结果表征所述执行顺序在所述预设顺序之前时，利用所述每个目标模型对与所述每个目标模型对应的所述目标视频帧进行识别，得到所述目标视频帧对应的识别标签；
当所述顺序比较结果表征所述执行顺序在所述预设顺序之后时，结束利用所述每个目标模型对与所述每个目标模型对应的所述目标视频帧进行识别。


6.根据权利要求4所述的方法，其特征在于，所述按照所述执行顺序，利用所述每个目标模型对与所述每个目标模型对应的所述目标视频帧进行识别，得到所述目标视频帧对应的识别标签，包括：
当利用当前顺序所对应的当前目标模型，对所述当前目标模型所对应的所述当前目标视频帧识别完成时，获取所述当前目标模型对应的当前识别完成时间；所述当前顺序为所述每个目标模型对应的所述执行顺序中的任意一个；
当所述当前识别完成时间大于或等于预设好的最大时间时，停止利用所述当前顺序的下一个顺序所对应的下一个目标模型，对所述下一个目标模型对应的目标视频帧进行识别。


7.根据权利要求1所述的方法，其特征在于，所述针对所述至少一个待分类视频帧中的每个待分类视频帧，确定出所述全量分类模型所对应的多个模型调度指标，包括：
针对所述每个待分类视频帧，利用预设调度指标预测模型，预测出所述全量分类模型中的所述每个分类模型所对应的模型调度指标；
当对所述全量分类模型均完成模型调度指标的预测时，得到所述全量分类模型所对应的所述多个模型调度指标。


8.根据权利要求7所述的方法，其特征在于，在所述针对所述每个待分类视频帧，利用预设调度指标预测模型，预测出所述全量分类模型中的所述每个分类模型所对应的模型调度指标之前，所述方法还包括：
获取初始预测模型、历史视频帧、多个历史标签数据、所述多个历史标签数据对应的多个标签收益指标，以及所述全...

【专利技术属性】
技术研发人员：周驰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44