【技术实现步骤摘要】
视频分类方法、电子设备和存储介质
本专利技术涉及机器学习和视频分析
，尤其是涉及一种视频分类方法、电子设备和存储介质。
技术介绍
视频分类有助于进行视频的检索和管理，通常通过对视频添加的标签表示视频所属的类别。传统的方法多通过人工标注的方式对视频进行分类。然而，随着互联网技术的发展，越来越多的视频，尤其是短视频，出现在网络，例如，个人用户上传的短视频。这些短视频涉及动漫、影视、饮食、文娱、体育、游戏等多个类别。如果通过人工标注的方式进行分类，不仅需要消耗大量人力成本，且容易被受个人主观因素影响导致分类不全面和不准确。可见，通过人工标注的方式对视频进行分类不仅效率低，且容易导致分类不准确。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种视频分类方法、装置、电子设备及存储介质。第一方面，本专利技术实施例提供一种视频分类方法，包括：根据目标视频的组成元素确定各组成元素对应的特征信息，所述组成元素包括图像，声音，和/或字幕；将各组成元素对应的特征信息输入视频分...
【技术保护点】
1.一种视频分类方法，其特征在于，包括：/n根据目标视频的组成元素确定各组成元素对应的特征信息，所述组成元素包括图像，声音，和/或字幕；/n将各组成元素对应的特征信息输入视频分类模型中，得到由所述视频分类模型输出的分类信息，所述分类信息用于表征所述目标视频的类别；/n其中，所述视频分类模型为将根据样本视频确定的特征信息和所述样本视频的类别标签作为输入，通过机器学习训练得到的，用于对视频进行分类的模型；/n所述视频分类模型包括升维层和聚类运算层，所述升维层用于对所述特征信息进行升维处理，所述聚类运算层用于根据作为训练参数的聚类中心矩阵和升维后的所述特征信息进行运算。/n
【技术特征摘要】
1.一种视频分类方法，其特征在于，包括：
根据目标视频的组成元素确定各组成元素对应的特征信息，所述组成元素包括图像，声音，和/或字幕；
将各组成元素对应的特征信息输入视频分类模型中，得到由所述视频分类模型输出的分类信息，所述分类信息用于表征所述目标视频的类别；
其中，所述视频分类模型为将根据样本视频确定的特征信息和所述样本视频的类别标签作为输入，通过机器学习训练得到的，用于对视频进行分类的模型；
所述视频分类模型包括升维层和聚类运算层，所述升维层用于对所述特征信息进行升维处理，所述聚类运算层用于根据作为训练参数的聚类中心矩阵和升维后的所述特征信息进行运算。
2.根据权利要求1所述的视频分类方法，其特征在于，所述将各组成元素对应的特征信息输入视频分类模型中，得到由所述视频分类模型输出的分类信息，包括：
将各组成元素的所述特征信息输入到所述升维层，由所述升维层输出升维后的特征信息；
将升维后的所述特征信息输入到所述聚类运算层，由所述聚类运算层输出第一矩阵；
将所述第一矩阵输入到所述视频分类模型的权重聚合层，由所述权重聚合层输出第二矩阵；
将所述第二矩阵输入到所述视频分类模型的分类层，由所述分类层输出所述分类信息；
其中，所述权重聚合层包括至少一个卷积子层和至少一个激活函数，所述分类信息包括所述目标视频的多个类别标签。
3.根据权利要求2所述的视频分类方法，其特征在于，所述聚类运算层包括多个聚类子层，所述聚类子层的个数与视频的组成元素的个数相同，相应地，所述将升维后的所述特征信息输入到所述聚类运算层，由所述聚类运算层输出第一矩阵，包括：
将升维后的各组成元素对应的特征信息分别输入到对应的聚类子层，由各聚类子层输出各组成元素对应的聚类运算矩阵；
将各组成元素对应的聚类运算矩阵进行拼接，得到所述第一矩阵；
其中，所述聚类子层用于根据所述特征信息和属于所述聚类子层的聚类中心矩阵和初始权重矩阵进行运算。
4.根据权利要求3所述的视频分类方法，其特征在于，所述聚类子层包括第一运算单元、第二运算单元和聚类单元，相应地，所述将升维后的各组成元素对应的特征信息分别输入到对应的聚类子层，由各聚类子层输出各组成元素对应的聚类运算矩阵，包括：
将升维后的任一组成元素对应的特征信息输入到对应的第一运算单元，由所述第一运算单元根据所述特征信息和初始权重矩阵确定第一运算矩阵；
将所述的升维后的任一组成元素对应的特征信息输入到对应的第二运算单元，由所述第二运算单元根据所述特征信息、所述初始权重矩阵和聚类中心矩阵确定第二运算矩阵；
将所述第一运算矩阵和所述第二运算矩阵输入到对应的聚类单元，由所述聚类单元根据第一运算矩阵和所述第二运算矩阵确定聚类运算矩阵。
5...
【专利技术属性】
技术研发人员：周晓晓，李琳，周冰，陆彦良，李东晓，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
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。