【技术实现步骤摘要】
视频识别模型训练方法、装置、设备以及存储介质
本公开涉及人工智能领域,具体为计算机视觉和深度学习技术,可应用于视频分析场景下。
技术介绍
视频识别,即输入一段视频根据视频内容对其进行分类。视频识别是计算机视觉社区中最活跃的研究主题之一。评估视频识别方法的两个最重要方面是分类准确性和推理成本。最近视频识别已经在识别精度上取得了巨大的成功,但是由于庞大的计算成本,它仍然是一项具有挑战性的任务。目前针对深度学习相关的方法,提高视频识别精度的工作主要集中在设计捕获更高阶动作语意的网络结构上,而输入网络的帧通过均匀或随机间隔采样获得。在推理过程中,对得到的片段结果进行平均。该方法在短视频上效果尚可,但是在拥有更长更丰富信息的长视频上精度则大打折扣。
技术实现思路
本公开实施例提出了一种视频识别模型训练方法、装置、设备、存储介质以及程序产品。第一方面,本公开实施例提出了一种视频识别模型训练方法,包括:将样本视频划分成多个样本视频片段,其中,样本视频标注有真实类别标签;从样本视频片段中采样部分样本视频帧,并输入至特征提取网络,得到样本视频片段的特征信息;利用动态片段融合模块对特征信息进行卷积融合,得到融合特征信息,其中,动态片段融合模块的卷积核随视频输入的不同而变化;将融合特征信息输入至全连接层,得到样本视频的预测类别;基于真实类别标签与预测类别的差异进行参数调整,得到视频识别模型。第二方面,本公开实施例提出了一种视频识别方法,包括:获取待识别视频;将待识别视频划分成多个待识别视频片段; ...
【技术保护点】
1.一种视频识别模型训练方法,包括:/n将样本视频划分成多个样本视频片段,其中,所述样本视频标注有真实类别标签;/n从所述样本视频片段中采样部分样本视频帧,并输入至特征提取网络,得到所述样本视频片段的特征信息;/n利用动态片段融合模块对所述特征信息进行卷积融合,得到融合特征信息,其中,所述动态片段融合模块的卷积核随视频输入的不同而变化;/n将所述融合特征信息输入至全连接层,得到所述样本视频的预测类别;/n基于所述真实类别标签与所述预测类别的差异进行参数调整,得到所述视频识别模型。/n
【技术特征摘要】
1.一种视频识别模型训练方法,包括:
将样本视频划分成多个样本视频片段,其中,所述样本视频标注有真实类别标签;
从所述样本视频片段中采样部分样本视频帧,并输入至特征提取网络,得到所述样本视频片段的特征信息;
利用动态片段融合模块对所述特征信息进行卷积融合,得到融合特征信息,其中,所述动态片段融合模块的卷积核随视频输入的不同而变化;
将所述融合特征信息输入至全连接层,得到所述样本视频的预测类别;
基于所述真实类别标签与所述预测类别的差异进行参数调整,得到所述视频识别模型。
2.根据权利要求1所述的方法,其中,所述利用动态片段融合模块对所述特征信息进行卷积融合,得到融合特征信息,包括:
将所述特征信息在通道维度上划分成第一特征信息和第二特征信息;
利用卷积核生成分支网络确定所述样本视频对应的卷积核;
利用所述样本视频对应的卷积核对所述第一特征信息进行卷积,得到卷积结果;
将所述卷积结果与所述第二特征信息进行拼接,得到所述融合特征。
3.根据权利要求2所述的方法,其中,所述将所述特征信息在通道维度上划分成第一特征信息和第二特征信息,包括:
按照预设超参数β将所述特征信息在通道维度上划分成所述第一特征信息和所述第二特征信息,其中,所述第一特征信息的通道维度是βC,所述第二特征信息的通道维度是(1-β)C,C是所述特征信息的通道维度。
4.根据权利要求3所述的方法,其中,所述利用卷积核生成分支网络确定所述样本视频对应的卷积核,包括:
计算所述第一特征信息的通道维度βC、所述样本视频的片段数、所述样本视频片段的采样帧数、所述样本视频帧的高和宽的乘积;
将所述乘积输入至所述卷积核生成分支网络,得到所述样本视频对应的卷积核。
5.根据权利要求2-4中任一项所述的方法,其中,所述卷积核生成分支网络包括一个全局平均池化层和两个全连接层。
6.根据权利要求1-5中任一项所述的方法,其中,所述视频识别模型包括多个残差层,所述多个残差层间隔设置至少一个动态片段融合模块。
7.根据权利要求1-6中任一项所述的方法,其中,所述将样本视频划分成多个样本视频片段,包括:
根据视频长度对所述样本视频进行均匀划分,得到所述多个样本视频片段;以及
所述从所述样本视频片段中采样部分样本视频帧,包括:
对所述样本视频片段进行均匀间隔采样,得到所述部分样本视频帧。
8.根据权利要求1-7中任一项所述的方法,其中,所述基于所述真实类别标签与所述预测类别的差异进行参数调整,得到所述视频识别模型,包括:
基于所述真实类别标签和所述预测类别计算交叉熵损失;
使用随机梯度下降对所述交叉熵损失进行优化,不断进行参数更新,直至所述交叉熵损失收敛,得到所述视频识别模型。
9.一种视频识别方法,包括:
获取待识别视频;
将所述待识别视频划分成多个待识别视频片段;
从所述待识别视频片段中采样部分待识别视频帧,并输入至视频识别模型,得到所述待识别视频的类别,其中,所述视频识别模型根据权利要求1-8中任一项的训练方法训练获得。
10.根据权利要求9所述的方法,其中,所述待识别视频的划分粒度大于用于训练所述视频识别模型的样本视频的划分粒度。
11.一种视频识别模型训练装置,包括:
划分模块,被配置成将样本视频划分成多个样本视频片段,其中,所述样本视频标注有真实类别标签;
提取模块,被配置成从所述样本视频片段中采样部分样本视频帧,并输入至特征提取网络,得到所述样本视频片段的特征信息;
融合模块,被配置成利用动态片段融合模块对所述特征信息进行卷积融合,得到融合特征信息...
【专利技术属性】
技术研发人员:吴文灏,赵禹翔,
申请(专利权)人:北京百度网讯科技有限公司,
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。