【技术实现步骤摘要】
视频筛选方法、视频筛选装置及终端设备
本申请属于视频处理
,尤其涉及视频筛选方法、视频筛选装置、终端设备及计算机可读存储介质。
技术介绍
目前,各类机器学习模型大量应用于对图像、视频的分类、检测等场景中。在实际应用场景中,对于给定任务(如视频分类),开发者需要收集足够数量的训练数据集,并通过训练数据集对指定的机器学习模型(如视频分类模型)进行训练,从而使得该指定的机器学习模型对于给定任务获得较好的性能表现。可见,训练数据集的质量是决定机器学习模型实际表现的关键因素之一。而在视频分类等应用场景中,相较于图像数据集,视频数据集因为数据量大、标注成本高而有着更高的收集难度,导致目前的视频数据集的质量往往较差,从而在通过视频训练集进行模型训练等具体应用中,限制了训练得到的视频分类模型的性能。
技术实现思路
本申请实施例提供了视频筛选方法、视频筛选装置、终端设备及计算机可读存储介质,可以提升视频数据集的质量。第一方面,本申请实施例提供了一种视频筛选方法,包括:基于视频训练集,对第一分类模型进行训练,获得训练完成的第一分类模型,其中,所述视频训练集中包括多个基础视频,以及各个所述基础视频所分别对应的拓展视频,每一个所述拓展视频根据对应的基础视频而得到;针对多个所述基础视频和多个所述拓展视频中的每一个视频,将所述视频输入所述训练完成的第一分类模型,获得所述训练完成的第一分类模型针对所述视频得到的特征向量;根据所述视频训练集中的各个视频所分别对应的特征向量,从所述视频训练集中 ...
【技术保护点】
1.一种视频筛选方法,其特征在于,包括:/n基于视频训练集,对第一分类模型进行训练,获得训练完成的第一分类模型,其中,所述视频训练集中包括多个基础视频,以及各个所述基础视频所分别对应的拓展视频,每一个所述拓展视频根据对应的基础视频而得到;/n针对多个所述基础视频和多个所述拓展视频中的每一个视频,将所述视频输入所述训练完成的第一分类模型,获得所述训练完成的第一分类模型针对所述视频得到的特征向量;/n根据所述视频训练集中的各个视频所分别对应的特征向量,从所述视频训练集中,筛选出目标视频。/n
【技术特征摘要】
1.一种视频筛选方法,其特征在于,包括:
基于视频训练集,对第一分类模型进行训练,获得训练完成的第一分类模型,其中,所述视频训练集中包括多个基础视频,以及各个所述基础视频所分别对应的拓展视频,每一个所述拓展视频根据对应的基础视频而得到;
针对多个所述基础视频和多个所述拓展视频中的每一个视频,将所述视频输入所述训练完成的第一分类模型,获得所述训练完成的第一分类模型针对所述视频得到的特征向量;
根据所述视频训练集中的各个视频所分别对应的特征向量,从所述视频训练集中,筛选出目标视频。
2.如权利要求1所述的视频筛选方法,其特征在于,在基于视频训练集,对第一分类模型进行训练之前,包括:
针对每一个基础视频,以预设采样率对所述基础视频进行采样,获得所述基础视频对应的部分或全部的拓展视频,其中,若采样获得的拓展视频的数量为两个以上,则,采样获得的各个拓展视频在所述基础视频中所分别对应的起始采样帧不同。
3.如权利要求1所述的视频筛选方法,其特征在于,在基于视频训练集,对第一分类模型进行训练之前,包括:
针对每一个基础视频,对所述基础视频的各个视频帧中的指定图像区域进行图像提取,获得所述基础视频对应的部分或全部的拓展视频,其中,若图像提取获得的拓展视频的个数为两个以上,则,图像提取获得的各个拓展视频在所述基础视频中所分别对应的指定图像区域不同。
4.如权利要求1所述的视频筛选方法,其特征在于,在基于视频训练集,对第一分类模型进行训练之前,包括:
针对每一个基础视频,向所述基础视频中的每一视频帧添加指定噪声,获得所述基础视频对应的部分或全部的拓展视频,其中,若添加指定噪声获得的拓展视频的数量为两个以上,则,添加指定噪声获得的各个拓展视频所分别对应的指定噪声不同。
5.如权利要求1所述的视频筛选方法,其特征在于,所述基于视频训练集,对第一分类模型进行训练,获得训练完成的第一分类模型,包括:
在每一次迭代训练中,从所述视频训练集中随机获取第一视频和第二视频;
将所述第一视频输入所述第一分类模型,将所述第二视频输入第三分类模型,并获取所述第一分类模型针对所述第一视频得到的第一训练结果以及获取所述第三分类模型针对所述第二视频得到的第二训练结果,其中,所述第三分类模型的结构与所述第一分类模型的结构相同;
基于所述第一训练结果和所述第二训练结果,根据预设损失函数得到当前损失值,并判断所述当前损失值是否符合预设条件;
若所述当前损失值符合预设条件,则将所述第一分类模型作为训练完成的第一分类模型;
若所述当前损失值不符合预设条件,则根据所述第一训练结果和所述第二训练结果对所述第一分类模型进行更新,并根据更新后的所述第一分类模型,执行下一次迭代训练。
6.如权利要求5所述的视频筛选方法,其特征在于,所述预设损失函数包括关于所述第一分类模型的第一分类损失函数、关于所述第三分类模型的第二分类损失函数,以及所述第一分类模型与所述第三分类模型之间的相似性损失函数;
所述第一训练结果包括所述第一分类模型中的指定中间层针对所述第一视频输出的第一特征向量,还包括所述第一分类模型对所述第一视频的第一分类结果;
所述第二训练结果包括所述第三分类模型中的指定中间层针对所述第二视频输出的第二特征向量,还包括所述第...
【专利技术属性】
技术研发人员:尹康,
申请(专利权)人:OPPO广东移动通信有限公司,
类型:发明
国别省市:广东;44
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。