【技术实现步骤摘要】
视频标签推荐模型的训练方法和确定视频标签的方法
[0001]本公开涉及人工智能
,具体涉及语音识别、自然语言处理、计算机视觉和智能推荐
,更具体地涉及一种视频标签推荐模型的训练方法和确定视频标签的方法、装置、电子设备和存储介质。
技术介绍
[0002]随着计算机技术和网络技术的发展,视频作为信息的传播载体得到充分发展。为了向用户提供高效的视频搜索和视频推荐等服务,通常需要对视频添加标签。
[0003]相关技术中,主要依赖于监督学习来对视频进行分类。监督学习通常依赖于大量标注的数据。通过对视频进行分类来确定标签的技术方案中,通常需要预先定义好标签体系。若标签体系根据实时需求进行了调整,则需要对分类模型进行重新训练。
技术实现思路
[0004]本公开提供了一种提高模型灵活性的视频标签推荐模型的训练方法和确定视频标签的方法、装置、设备和存储介质。
[0005]根据本公开的一个方面,提供了一种视频标签推荐模型的训练方法,其中视频标签推荐模型包括视频特征提取网络和标签特征提取网络;该方法包括:采用视频特征提取网络,获得视频样本的第一视频特征;以作为正样本的第一标签作为标签特征提取网络的输入,获得第一标签的第一特征;以作为负样本的第二标签作为标签特征提取网络的输入,获得第二标签的第二特征;以及基于第一视频特征、第一特征、第二特征和预定损失函数,对视频标签推荐模型进行训练。
[0006]根据本公开的另一方面,提供了一种确定视频标签的方法,包括:采用视频标签推荐模型中的视频特征提取 ...
【技术保护点】
【技术特征摘要】
1.一种视频标签推荐模型的训练方法,其中,视频标签推荐模型包括视频特征提取网络和标签特征提取网络;所述方法包括:采用所述视频特征提取网络,获得视频样本的第一视频特征;以作为正样本的第一标签作为所述标签特征提取网络的输入,获得所述第一标签的第一特征;以作为负样本的第二标签作为所述标签特征提取网络的输入,获得所述第二标签的第二特征;以及基于所述第一视频特征、所述第一特征、所述第二特征和预定损失函数,对所述视频标签推荐模型进行训练。2.根据权利要求1所述的方法,其中,所述视频特征提取网络包括至少两个特征提取层和特征融合层;所述采用所述视频特征提取网络,获得视频样本的第一视频特征包括:采用所述至少两个特征提取层,分别获得视频样本的至少两个模态的特征向量;以及采用所述特征融合层对所述至少两个模态的特征向量进行加权融合,获得所述第一视频特征。3.根据权利要求2所述的方法,其中,采用所述特征融合层对所述至少两个模态的特征向量进行加权融合,包括:将所述至少两个模态的特征向量转换为相同维度的至少两个向量;基于注意力机制确定为所述至少两个模态的特征向量分配的权重;以及基于为所述至少两个模态的特征向量分配的权重,确定所述至少两个向量的加权和,其中,在所述视频标签推荐模型的训练过程中,所述注意力机制的参数基于所述预定损失函数动态调整。4.根据权利要求2或3所述的方法,其中,分别获得视频样本的至少两个模态的特征向量,包括:采用所述至少两个特征提取层中的第一特征提取层,通过以下方式获得图像模态的特征向量:采用预定采样算法从所述视频样本中抽取至少两个视频帧,获得视频帧序列;采用残差网络提取所述视频帧序列中各视频帧的特征向量,获得特征向量序列;以及融合所述特征向量序列中的各特征向量,得到所述图像模态的特征向量。5.根据权利要求4所述的方法,其中,采用预定采样算法从所述视频样本中抽取至少两个视频帧包括:将所述视频样本切分为多个视频片段;以及采用所述预定采样算法从所述多个视频片段中的每个视频片段中抽取视频帧,获得所述至少两个视频帧。6.根据权利要求2~5中任一项所述的方法,其中,分别获得视频样本的至少两个模态的特征向量包括:通过以下方式获得文本模态的特征向量:以所述视频样本的标题文本作为所述至少两个特征提取层中的第二特征提取层的输入,获得所述文本模态的特征向量。7.根据权利要求2~5中任一项所述的方法,其中,分别获得视频样本的至少两个模态
的特征向量包括:通过以下方式获得音频模态的特征向量:以所述视频样本的音频数据作为所述至少两个特征提取层中的第三特征提取层的输入,获得所述音频数据的梅尔频率倒谱系数,作为所述音频模态的特征向量。8.根据权利要求1所述的方法,其中,所述基于所述第一视频特征、所述第一特征、所述第二特征和预定损失函数,对所述视频标签推荐模型进行训练包括:确定所述第一特征和所述第二特征分别与所述第一视频特征之间的距离,得到第一距离和第二距离;基于所述第一距离和所述第二距离,确定所述预定损失函数的取值;以及基于所述预定损失函数的取值,对所述视频标签推荐模型进行训练。9.根据权利要求1所述的方法,还包括:确定所述第一特征与所述第一视频特征之间的第一距离与预定值的和,得到目标距离;以及基于所述目标距离,从预定标签库中获取所述第二标签,其中,所述第二标签的第二特征与所述第一视频特征之间的第二距离大于所述目标距离。10.一种确定视频标签的方法,包括:采用视频标签推荐模型中的视频特征提取网络,获得待处理视频的第二视频特征;以预定标签库中的每个标签作为所述视频标签推荐模型中的标签特征提取网络的输入,获得所述每个标签的标签特征;以及基于所述每个标签的标签特征与所述第二视频特征之间的距离,确定所述预定标签库中的目标标签,作为对应所述待处理视频的标签,其中,所述视频标签推荐模型是采用权利要求1~9中任一项所述的方法训练得到的。11.一种视频标签推荐模型的训练装置,其中,所述视频标签推荐模型包括视频特征提取网络和标签特征提取网络;所述装置包括:第一视频特征获得模块,用于采用所述视频特征提取网络,获得视频样本的第一视频特征;第一特征获得模块,用于以作为正样本的第一标签作为所述标签特征提取网络的输入,获得所述第一标签的第一特征;第二特征获得模块,用于以作为负样本的第二标签作为所述标签特征提取网络的输入,获得所述第二标签的第二特征;以及模型训...
【专利技术属性】
技术研发人员:叶芷,唐鑫,王贺伟,葛利,
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:
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。