【技術(shù)領(lǐng)域】

本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種視頻分類方法及裝置、計算機(jī)設(shè)備與可讀介質(zhì)。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的高速增長，其已成為用戶獲取信息的重要渠道。但與此同時，信息的爆炸也產(chǎn)生了很多用戶不想看到或者不感興趣的內(nèi)容。尤其近些年，根據(jù)用戶的興趣展示內(nèi)容推薦已經(jīng)逐漸成為互聯(lián)網(wǎng)產(chǎn)品的基本功能。

例如，現(xiàn)有的視頻領(lǐng)域中視頻的推薦方案中，可以依據(jù)視頻的標(biāo)題以及用戶對視頻的回復(fù)等等，對視頻進(jìn)行分類。然后再基于視頻的分類向用戶推薦視頻。但是現(xiàn)有技術(shù)中，視頻標(biāo)題以及視頻回復(fù)的編輯最主要的來源都是普通用戶。普通用戶編輯的視頻回復(fù)具有很強(qiáng)的隨意性，并且視頻標(biāo)題更多的是突出發(fā)布者的心情，比如太厲害了，非常搞笑之類的，從而導(dǎo)致基于視頻標(biāo)題以及視頻的回復(fù)均無法有效地對視頻內(nèi)容進(jìn)行分類，甚至?xí)灰恍┑退滓曨l內(nèi)容制造者利用。

因此，現(xiàn)有技術(shù)中，基于視頻標(biāo)題以及視頻的回復(fù)對視頻內(nèi)容進(jìn)行分類的準(zhǔn)確性較差。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種視頻分類方法及裝置、計算機(jī)設(shè)備與可讀介質(zhì)，用于提高視頻分類的準(zhǔn)確性。

本發(fā)明提供一種視頻分類方法，所述方法包括：

從目標(biāo)視頻中獲取多幀圖片；

根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各所述幀的所述圖片進(jìn)行識別，預(yù)測各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率；

根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取所述目標(biāo)視頻的目標(biāo)類別。

進(jìn)一步可選地，如上所述的方法中，根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取所述目標(biāo)視頻的目標(biāo)類別，具體包括：

根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，從各幀的所述圖片對應(yīng)的預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為所述目標(biāo)視頻的目標(biāo)類別；

或者根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，對各幀的所述圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理，得到所述目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別的概率；從所述目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為所述目標(biāo)視頻的目標(biāo)類別。

進(jìn)一步可選地，如上所述的方法中，根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各所述幀的所述圖片進(jìn)行識別，預(yù)測各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率之前，還包括：

采集數(shù)張已知類別的訓(xùn)練圖片，生成圖片訓(xùn)練庫；

利用所述圖片訓(xùn)練庫中的所述數(shù)張訓(xùn)練圖片，訓(xùn)練所述圖片分類模型。

進(jìn)一步可選地，如上所述的方法中，利用所述圖片訓(xùn)練庫中的所述數(shù)張訓(xùn)練圖片，訓(xùn)練所述圖片分類模型，具體包括：

依次將各張所述訓(xùn)練圖片輸入至所述圖片分類模型中，使得所述圖片分類模型輸出對應(yīng)的所述訓(xùn)練圖片在各預(yù)設(shè)類別中的概率；

根據(jù)對應(yīng)的所述訓(xùn)練圖片在各預(yù)設(shè)類別中的概率，確定所述訓(xùn)練圖片的預(yù)測類別；

檢測對應(yīng)的所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別是否一致；

當(dāng)對應(yīng)所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別不一致時，調(diào)整所述圖片分類模型的參數(shù)，使得所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別一致；

重復(fù)執(zhí)行上述步驟，直至所述數(shù)張訓(xùn)練圖片訓(xùn)練完畢，且所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別一致，確定所述圖片分類模型的參數(shù)，從而確定所述圖片分類模型。

進(jìn)一步可選地，如上所述的方法中，根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取所述目標(biāo)視頻的目標(biāo)類別之后，還包括：

根據(jù)用戶的歷史行為檢測所述用戶感興趣的類別；

檢測所述用戶感興趣的類別中是否包括所述目標(biāo)類別；

若包括，向所述用戶推薦所述目標(biāo)視頻。

本發(fā)明還提供一種視頻分類裝置，所述裝置包括：

圖片獲取模塊，用于從目標(biāo)視頻中獲取多幀圖片；

預(yù)測模塊，用于根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各所述幀的所述圖片進(jìn)行識別，預(yù)測各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率；

類別獲取模塊，用于根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取所述目標(biāo)視頻的目標(biāo)類別。

進(jìn)一步可選地，如上所述的裝置中，所述類別獲取模塊，具體用于：

根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，從各幀的所述圖片對應(yīng)的預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為所述目標(biāo)視頻的目標(biāo)類別；

或者根據(jù)各幀的所述圖片對應(yīng)的各預(yù)設(shè)類別的概率，對各幀的所述圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理，得到所述目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別的概率；從所述目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為所述目標(biāo)視頻的目標(biāo)類別。

進(jìn)一步可選地，如上所述的裝置中，還包括：

采集模塊，用于采集數(shù)張已知類別的訓(xùn)練圖片，生成圖片訓(xùn)練庫；

訓(xùn)練模塊，用于利用所述圖片訓(xùn)練庫中的所述數(shù)張訓(xùn)練圖片，訓(xùn)練所述圖片分類模型。

進(jìn)一步可選地，如上所述的裝置中，所述訓(xùn)練模塊，具體用于：

依次將各張所述訓(xùn)練圖片輸入至所述圖片分類模型中，使得所述圖片分類模型輸出對應(yīng)的所述訓(xùn)練圖片在各預(yù)設(shè)類別中的概率；

根據(jù)對應(yīng)的所述訓(xùn)練圖片在各預(yù)設(shè)類別中的概率，確定所述訓(xùn)練圖片的預(yù)測類別；

檢測對應(yīng)的所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別是否一致；

當(dāng)對應(yīng)所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別不一致時，調(diào)整所述圖片分類模型的參數(shù)，使得所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別一致；

重復(fù)執(zhí)行上述步驟，直至所述數(shù)張訓(xùn)練圖片訓(xùn)練完畢，且所述訓(xùn)練圖片的已知類別和所述訓(xùn)練圖片的預(yù)測類別一致，確定所述圖片分類模型的參數(shù)，從而確定所述圖片分類模型。

進(jìn)一步可選地，如上所述的裝置中，還包括：

檢測模塊，用于根據(jù)用戶的歷史行為檢測所述用戶感興趣的類別；

所述檢測模塊，還用于檢測所述用戶感興趣的類別中是否包括所述目標(biāo)類別；

推薦模塊，用于若所述檢測模塊檢測所述用戶感興趣的類別中包括所述目標(biāo)類別，向所述用戶推薦所述目標(biāo)視頻。

本發(fā)明還提供一種計算機(jī)設(shè)備，所述設(shè)備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序，

當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如上所述的視頻分類方法。

本發(fā)明還提供一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實現(xiàn)如上所述的視頻分類方法。

本發(fā)明的視頻分類方法及裝置、計算機(jī)設(shè)備與可讀介質(zhì)，通過從目標(biāo)視頻中獲取多幀圖片，根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率；根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別。本發(fā)明的技術(shù)方案，可以克服現(xiàn)有技術(shù)中直接基于視頻標(biāo)題以及視頻的回復(fù)對視頻內(nèi)容進(jìn)行分類的準(zhǔn)確性較差的技術(shù)問題，通過基于預(yù)先訓(xùn)練的圖片分類模型預(yù)測目標(biāo)視頻中的多幀圖片對應(yīng)的各預(yù)設(shè)類別的概率，從而獲取目標(biāo)視頻的目標(biāo)類別，能夠有效地提高對目標(biāo)視頻分類的準(zhǔn)確性。

【附圖說明】

圖1為本發(fā)明的視頻分類方法實施例一的流程圖。

圖2為本發(fā)明的視頻分類方法實施例二的流程圖。

圖3為本發(fā)明的視頻分類裝置實施例一的結(jié)構(gòu)圖。

圖4為本發(fā)明的視頻分類裝置實施例二的結(jié)構(gòu)圖。

圖5為本發(fā)明的計算機(jī)設(shè)備實施例的結(jié)構(gòu)圖。

圖6為本發(fā)明提供的一種計算機(jī)設(shè)備的示例圖。

【具體實施方式】

為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合附圖和具體實施例對本發(fā)明進(jìn)行詳細(xì)描述。

圖1為本發(fā)明的視頻分類方法實施例一的流程圖。如圖1所示，本實施例的視頻分類方法，具體可以包括如下步驟：

100、從目標(biāo)視頻中獲取多幀圖片；

本實施例的視頻分類方法的執(zhí)行主體為視頻分類裝置，本實施例的視頻分類裝置可以為一電子實體裝置，也可以采用軟件集成的裝置。

本實施例的視頻分類方法中，首先可以從目標(biāo)視頻中獲取多幀圖片。例如該多幀圖片最好不為連續(xù)的多幀，例如多幀圖片中任意兩幀圖片對應(yīng)的時間幀的時間差需要大于一定的時間長度閾值，以保證該兩幀圖片非連續(xù)幀的圖片，使得每一幀圖片的選取都盡量不受前一幀圖片的影響，都是獨(dú)立的，從而保證視頻分類的準(zhǔn)確性。本實施例中的多幀圖片的數(shù)量，可以根據(jù)需求設(shè)置10個以內(nèi)或者10個以上，甚至幾十個。

101、根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率；

本實施例的預(yù)先訓(xùn)練的圖片分類模型能夠根據(jù)每一幀圖片，對每一幀圖片屬于哪個預(yù)設(shè)類別的概率進(jìn)行預(yù)測。本實施例中的圖片分類模型需要預(yù)先設(shè)置圖片能夠被分類的預(yù)設(shè)類別，這里的預(yù)設(shè)類別可以僅包括一層分類的類別；也可以不僅包括一級類別，同時還包括二級類別。為了便于表示，本實施例的圖片分類模型根據(jù)各幀圖片，預(yù)測的該幀圖片所屬類別的概率可以采用向量的形式。該向量的維度等于預(yù)先設(shè)置的所有預(yù)設(shè)類別的數(shù)量，該向量中每一個元素的數(shù)值等于該位置對應(yīng)的預(yù)設(shè)類別的概率值。例如預(yù)先設(shè)置該圖片能夠被分類的預(yù)設(shè)類別的數(shù)量有30個，那么在預(yù)測時，圖片分類模型會預(yù)測某幀圖片的概率為一個30維的向量，向量中每一個元素的數(shù)值如p18為0.3，假如向量中第18個位置處對應(yīng)的預(yù)設(shè)類別為娛樂，p18為0.3表示該幀圖片的類別屬于娛樂的概率為0.3。

102、根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別。

根據(jù)上述步驟，可以獲得視頻中獲取的各幀所屬預(yù)設(shè)類別的概率，然后可以綜合考慮視頻中獲取的各幀的圖片屬于各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別。

例如該步驟102“根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別”，具體可以包括如下兩種方式：

第一種方式：根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，從各幀的圖片對應(yīng)的預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別；

該實施方式中，將每一幀圖片所屬于各預(yù)設(shè)類別的概率羅列出來，從中取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別。例如，預(yù)設(shè)類別有20個，第一幀圖片對應(yīng)的各預(yù)設(shè)類別的概率分別為p1,1＝0.1、p1,2＝0.3、……、p1,10＝0.3、……p1,19＝0.2、p1,20＝0.1。p1,1＝0.1表示第一幀圖片屬于第1預(yù)設(shè)類別的概率為0.1，p1,2＝0.3表示第一幀圖片屬于第2預(yù)設(shè)類別的概率為0.3，p1,10＝0.3表示第一幀圖片屬于第10預(yù)設(shè)類別的概率為0.3，p1,19＝0.2表示第一幀圖片屬于第19預(yù)設(shè)類別的概率為0.2，p1,20＝0.1表示第一幀圖片屬于第20預(yù)設(shè)類別的概率為0.1；而該第1幀圖片屬于其他預(yù)設(shè)類別的概率為0。同理，對應(yīng)第二幀圖片對應(yīng)的各預(yù)設(shè)類別的概率分別為p2,1＝0.2、p2,2＝0.6、……、p2,11＝0.1、……p2,19＝0.1。p2,1＝0.2表示第二幀圖片屬于第1預(yù)設(shè)類別的概率為0.2，p2,2＝0.6表示第2幀圖片屬于第2預(yù)設(shè)類別的概率為0.6，p2,11＝0.1表示第2幀圖片屬于第11預(yù)設(shè)類別的概率為0.1，p2,19＝0.1表示第2幀圖片屬于第19預(yù)設(shè)類別的概率為0.1。如果從該目標(biāo)視頻中還獲取了其他幀圖片，對于每一幀圖片都采用步驟101，都可以獲取到該幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率。具體可以獲取每一幀圖片對應(yīng)的預(yù)設(shè)類別的概率的最大值；然后將所有各幀圖片的概率最大值對應(yīng)的預(yù)設(shè)類別作為該目標(biāo)視頻的目標(biāo)類別。例如，本實施例中，如果其他幀圖片對應(yīng)的概率最大值都小于0.6，那么可以認(rèn)為概率0.6對應(yīng)的類別為該目標(biāo)視頻對應(yīng)的目標(biāo)類別，即可以認(rèn)為該目標(biāo)視頻的目標(biāo)類別為第2預(yù)設(shè)類別。

第二種方式為：根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，對各幀的圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理，得到目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別的概率；從目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別。

本實施例的技術(shù)方案，在獲取到每一幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率之后，對各幀的圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理。假如，目標(biāo)視頻獲取到3幀圖片。同理，第一幀圖片對應(yīng)的各預(yù)設(shè)類別的概率分別為p1,1＝0.1、p1,2＝0.3、……、p1,10＝0.3、……p1,19＝0.2、p1,20＝0.1；其余預(yù)設(shè)類別概率為0。第二幀圖片對應(yīng)的各預(yù)設(shè)類別的概率分別為p2,1＝0.2、p2,2＝0.6、……、p2,11＝0.1、……p2,19＝0.1；其余預(yù)設(shè)類別概率為0。第三幀圖片對應(yīng)的各預(yù)設(shè)類別的概率分別為p3,1＝0.7、p3,10＝0.2，p3,20＝0.1；其余預(yù)設(shè)類別概率為0。將各幀的圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理之后，目標(biāo)視頻屬于第1預(yù)設(shè)類別的概率為p1＝p1,1+p2,1+p3,1＝0.1+0.2+0.7＝1.0，目標(biāo)視頻屬于第2預(yù)設(shè)類別的概率為p2＝p1,2+p2,2+p3,2＝0.3+0.6+0＝0.9，目標(biāo)視頻屬于第10預(yù)設(shè)類別的概率為p10＝p1,10+p2,10+p3,10＝0.3+0+0.2＝0.5，目標(biāo)視頻屬于第11預(yù)設(shè)類別的概率為p11＝p1,11+p2,11+p3,11＝0+0.1+0＝0.1，目標(biāo)視頻屬于第19預(yù)設(shè)類別的概率為p19＝p1,19+p2,19+p3,19＝0.2+0.1+0＝0.3，目標(biāo)視頻屬于第20預(yù)設(shè)類別的概率為p20＝p1,20+p2,20+p3,20＝0.1+0+0.1＝0.2。然后再從目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別，其中目標(biāo)視頻屬于第1預(yù)設(shè)類別的概率為p1＝1.0為最大，此時可以認(rèn)為目標(biāo)視頻的目標(biāo)類別為第1預(yù)設(shè)類別。

其中第二種方式獲得的目標(biāo)視頻的目標(biāo)類別比第一種方式獲得的目標(biāo)視頻的目標(biāo)類別更為準(zhǔn)確。

本實施例的視頻分類方法，通過從目標(biāo)視頻中獲取多幀圖片，根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率；根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別。本實施例的技術(shù)方案，可以克服現(xiàn)有技術(shù)中直接基于視頻標(biāo)題以及視頻的回復(fù)對視頻內(nèi)容進(jìn)行分類的準(zhǔn)確性較差的技術(shù)問題，通過基于預(yù)先訓(xùn)練的圖片分類模型預(yù)測目標(biāo)視頻中的多幀圖片對應(yīng)的各預(yù)設(shè)類別的概率，從而獲取目標(biāo)視頻的目標(biāo)類別，能夠有效地提高對目標(biāo)視頻分類的準(zhǔn)確性。

圖2為本發(fā)明的視頻分類方法實施例二的流程圖。本實施例的視頻分類方法，在上述圖1所示實施例的技術(shù)方案的基礎(chǔ)上，進(jìn)一步更加詳細(xì)地介紹本發(fā)明的技術(shù)方案。如圖2所示，本實施例的視頻分類方法，具體可以包括如下步驟：

200、采集數(shù)張已知類別的訓(xùn)練圖片，生成圖片訓(xùn)練庫；

201、利用圖片訓(xùn)練庫中的數(shù)張訓(xùn)練圖片，訓(xùn)練圖片分類模型；

例如該步驟201“利用圖片訓(xùn)練庫中的數(shù)張訓(xùn)練圖片，訓(xùn)練圖片分類模型”，具體可以包括如下步驟：

(a1)依次將各張訓(xùn)練圖片輸入至圖片分類模型中，使得圖片分類模型輸出對應(yīng)的訓(xùn)練圖片在各預(yù)設(shè)類別中的概率；

(a2)根據(jù)對應(yīng)的訓(xùn)練圖片在各預(yù)設(shè)類別中的概率，確定訓(xùn)練圖片的預(yù)測類別；

(a3)檢測對應(yīng)的訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別是否一致；當(dāng)對應(yīng)訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別不一致時，執(zhí)行步驟(a4)；當(dāng)對應(yīng)訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致時，返回步驟(a1)使用下一張訓(xùn)練圖片輸入至圖片分類模型中進(jìn)行訓(xùn)練。

(a4)調(diào)整圖片分類模型的參數(shù)，使得訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致；

重復(fù)執(zhí)行上述步驟(a1)-(a4)，直至數(shù)張訓(xùn)練圖片訓(xùn)練完畢，且訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致，確定圖片分類模型的參數(shù)，從而確定圖片分類模型。

在訓(xùn)練之前，該圖片分類模型的參數(shù)為初始值，當(dāng)向該圖片分類模型輸入第一張訓(xùn)練圖片的時候，圖片分類模型基于初始參數(shù)，可以預(yù)測出該訓(xùn)練圖片在各預(yù)設(shè)類別中的概率；然后根據(jù)對應(yīng)的訓(xùn)練圖片在各預(yù)設(shè)類別中的概率，確定訓(xùn)練圖片的預(yù)測類別，例如，可以選擇概率最大的預(yù)設(shè)類別作為該訓(xùn)練圖片的預(yù)設(shè)類別。然后檢測對應(yīng)的訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別是否一致。例如，若某訓(xùn)練圖片在預(yù)測時，在第1預(yù)設(shè)類別的概率為0.6，第2預(yù)設(shè)類別的概率為0.2，還在第9預(yù)設(shè)類別的概率為0.2。而該訓(xùn)練圖片的已知類別為第2預(yù)設(shè)類別，即在第2預(yù)設(shè)類別的概率為1.0，此時應(yīng)該調(diào)整圖片分類模型的參數(shù)，使得訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致，即使得該圖片分類模型預(yù)測的該訓(xùn)練圖片在第2預(yù)設(shè)類別的概率朝1.0的方向增加，而使得該圖片分類模型預(yù)測的該訓(xùn)練圖片在第1預(yù)設(shè)類別的概率和第9預(yù)設(shè)類別的概率朝概率為0的方向遞減，此時該張訓(xùn)練圖片訓(xùn)練完畢，接下來使用上一張訓(xùn)練圖片調(diào)整后的圖片分類模型的參數(shù)訓(xùn)練下一張訓(xùn)練圖片，依次類推，再次調(diào)整圖片分類模型的參數(shù)；接下來，再使用下下一張訓(xùn)練圖片繼續(xù)訓(xùn)練圖片分類模型，調(diào)整圖片分類模型的參數(shù)，直至數(shù)張訓(xùn)練圖片訓(xùn)練完畢，且訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別趨于一致，確定圖片分類模型的參數(shù)，從而確定圖片分類模型。

實際應(yīng)用中，當(dāng)數(shù)張訓(xùn)練圖片對圖片分類模型訓(xùn)練一輪之后，若訓(xùn)練圖片的已知類別和與圖片分類模型對訓(xùn)練圖片的預(yù)測類別仍不一致，此時可以使用數(shù)張訓(xùn)練圖片對圖片分類模型再訓(xùn)練一輪或者多輪，直到訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別趨于一致，確定圖片分類模型的參數(shù)，從而確定圖片分類模型。

本實施例中的圖片訓(xùn)練庫中采集的訓(xùn)練圖片的數(shù)量可以成千上萬，甚至幾十萬張，圖片訓(xùn)練庫中包括的訓(xùn)練圖片的數(shù)量越多，訓(xùn)練的圖片分類模型的參數(shù)越準(zhǔn)確，該訓(xùn)練后的圖片分類模型預(yù)測的各圖片在各預(yù)設(shè)類別的概率越準(zhǔn)確。

202、從目標(biāo)視頻中獲取多幀圖片；

203、根據(jù)預(yù)先訓(xùn)練的圖片分類模型對各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率；

204、根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，對各幀的圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理，得到目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別的概率；

205、從目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別；

上述步驟202-205的實施詳細(xì)可以參考上述圖1所示實施例的相關(guān)記載，在此不再贅述。

206、根據(jù)用戶的歷史行為檢測用戶感興趣的類別；

207、檢測用戶感興趣的類別中是否包括目標(biāo)類別；若包括，執(zhí)行步驟208；否則若不包括，繼續(xù)檢測下一用戶感興趣的類別中是否包括目標(biāo)類別；

208、向用戶推薦目標(biāo)視頻。

進(jìn)一步可選地，本實施例中還包括根據(jù)目標(biāo)視頻的目標(biāo)類別向用戶推薦目標(biāo)視頻的應(yīng)用場景。例如，在某個視頻播放平臺的視頻庫中，新增加了一個視頻，可以按照上述步驟202-204的方式，獲取到目標(biāo)視頻的目標(biāo)類別。然后可以檢測使用該視頻應(yīng)用的各個用戶的歷史行為，判斷各個用戶使用對該目標(biāo)視頻感興趣。例如，可以先根據(jù)用戶的歷史行為檢測用戶感興趣的類別都有哪些，然后判斷用戶感興趣的類別中是否包括該目標(biāo)視頻的目標(biāo)類別，若包括可以向該用戶推薦該目標(biāo)視頻，從而能夠在視頻庫中一旦新加入用戶感興趣的新視頻，可以及時向用戶推薦其感興趣的視頻，提高用戶的使用體驗度，從而能夠留住該視頻播放平臺中的用戶。若檢測到某用戶感興趣的類別中未包括目標(biāo)類別，一定避免向該用戶推薦該目標(biāo)視頻，以防止用戶的反感。此時可以繼續(xù)檢測使用該視頻播放平臺的下一個用戶，直到對該視頻播放平臺的所有用戶做檢測，并向該視頻播放平臺的所有對目標(biāo)類別感興趣的用戶推薦該目標(biāo)視頻。

本實施例的視頻分類方法，通過上述方法可以克服現(xiàn)有技術(shù)中直接基于視頻標(biāo)題以及視頻的回復(fù)對視頻內(nèi)容進(jìn)行分類的準(zhǔn)確性較差的技術(shù)問題，通過基于預(yù)先訓(xùn)練的圖片分類模型預(yù)測目標(biāo)視頻中的多幀圖片對應(yīng)的各預(yù)設(shè)類別的概率，從而獲取目標(biāo)視頻的目標(biāo)類別，能夠有效地提高對目標(biāo)視頻分類的準(zhǔn)確性。而且還能夠進(jìn)一步及時準(zhǔn)確的向感興趣的用戶推薦該目標(biāo)視頻，提高用戶的體驗度。

圖3為本發(fā)明的視頻分類裝置實施例一的結(jié)構(gòu)圖。如圖3所示，本實施例的視頻分類裝置，具體可以包括：圖片獲取模塊10、預(yù)測模塊11和類別獲取模塊12。

其中圖片獲取模塊10用于從目標(biāo)視頻中獲取多幀圖片；

預(yù)測模塊11用于根據(jù)預(yù)先訓(xùn)練的圖片分類模型對圖片獲取模塊10獲取的各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率；

類別獲取模塊12用于根據(jù)預(yù)測模塊11預(yù)測的各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，獲取目標(biāo)視頻的目標(biāo)類別。

本實施例的視頻分類裝置，通過采用上述模塊實現(xiàn)視頻分類的實現(xiàn)原理以及技術(shù)效果與上述相關(guān)方法實施例的實現(xiàn)相同，詳細(xì)可以參考上述相關(guān)方法實施例的記載，在此不再贅述。

圖4為本發(fā)明的視頻分類裝置實施例二的結(jié)構(gòu)圖。如圖4所示，本實施例的視頻分類裝置，在上述圖3所示實施例的技術(shù)方案的基礎(chǔ)上，進(jìn)一步還可以包括如下技術(shù)方案。

本實施例的視頻分類裝置中，類別獲取模塊12具體用于：

根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，從各幀的圖片對應(yīng)的預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別；

或者根據(jù)各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率，對各幀的圖片的預(yù)設(shè)類別的概率進(jìn)行加權(quán)處理，得到目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別的概率；從目標(biāo)視頻對應(yīng)的各預(yù)設(shè)類別中獲取概率最大的預(yù)設(shè)類別作為目標(biāo)視頻的目標(biāo)類別。

進(jìn)一步可選地，如圖4所示，本實施例的視頻分類裝置中，還包括：

采集模塊13用于采集數(shù)張已知類別的訓(xùn)練圖片，生成圖片訓(xùn)練庫；

訓(xùn)練模塊14用于利用圖片訓(xùn)練庫中的數(shù)張訓(xùn)練圖片，訓(xùn)練圖片分類模型。

對應(yīng)地，預(yù)測模塊11用于根據(jù)訓(xùn)練模塊14預(yù)先訓(xùn)練的圖片分類模型對圖片獲取模塊10獲取的各幀的圖片進(jìn)行識別，預(yù)測各幀的圖片對應(yīng)的各預(yù)設(shè)類別的概率。

進(jìn)一步可選地，本實施例的視頻分類裝置中，訓(xùn)練模14具體用于：

依次將各張訓(xùn)練圖片輸入至圖片分類模型中，使得圖片分類模型輸出對應(yīng)的訓(xùn)練圖片在各預(yù)設(shè)類別中的概率；

根據(jù)對應(yīng)的訓(xùn)練圖片在各預(yù)設(shè)類別中的概率，確定訓(xùn)練圖片的預(yù)測類別；

檢測對應(yīng)的訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別是否一致；

當(dāng)對應(yīng)訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別不一致時，調(diào)整圖片分類模型的參數(shù)，使得訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致；

重復(fù)執(zhí)行上述步驟，直至數(shù)張訓(xùn)練圖片訓(xùn)練完畢，且訓(xùn)練圖片的已知類別和訓(xùn)練圖片的預(yù)測類別一致，確定圖片分類模型的參數(shù)，從而確定圖片分類模型。

進(jìn)一步可選地，如圖4所示，本實施例的視頻分類裝置中，還包括：

檢測模塊15用于根據(jù)用戶的歷史行為檢測用戶感興趣的類別；

檢測模塊15還用于檢測用戶感興趣的類別中是否包括類別獲取模塊12獲取的目標(biāo)視頻的目標(biāo)類別；

推薦模塊16用于若檢測模塊15檢測用戶感興趣的類別中包括目標(biāo)類別，向用戶推薦目標(biāo)視頻。

本實施例的視頻分類裝置，通過采用上述模塊實現(xiàn)視頻分類的實現(xiàn)原理以及技術(shù)效果與上述相關(guān)方法實施例的實現(xiàn)相同，詳細(xì)可以參考上述相關(guān)方法實施例的記載，在此不再贅述。

圖5為本發(fā)明的計算機(jī)設(shè)備實施例的結(jié)構(gòu)圖。如圖5所示，本實施例的計算機(jī)設(shè)備，包括：一個或多個處理器30，以及存儲器40，存儲器40用于存儲一個或多個程序，當(dāng)存儲器40中存儲的一個或多個程序被一個或多個處理器30執(zhí)行，使得一個或多個處理器30實現(xiàn)如上任一實施例的視頻分類方法。圖5所示實施例中以包括多個處理器30為例。

例如，圖6為本發(fā)明提供的一種計算機(jī)設(shè)備的示例圖。圖6示出了適于用來實現(xiàn)本發(fā)明實施方式的示例性計算機(jī)設(shè)備12a的框圖。圖6顯示的計算機(jī)設(shè)備12a僅僅是一個示例，不應(yīng)對本發(fā)明實施例的功能和使用范圍帶來任何限制。

如圖6所示，計算機(jī)設(shè)備12a以通用計算設(shè)備的形式表現(xiàn)。計算機(jī)設(shè)備12a的組件可以包括但不限于：一個或者多個處理器16a，系統(tǒng)存儲器28a，連接不同系統(tǒng)組件(包括系統(tǒng)存儲器28a和處理器16a)的總線18a。

總線18a表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲器總線或者存儲器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。舉例來說，這些體系結(jié)構(gòu)包括但不限于工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(isa)總線，微通道體系結(jié)構(gòu)(mac)總線，增強(qiáng)型isa總線、視頻電子標(biāo)準(zhǔn)協(xié)會(vesa)局域總線以及外圍組件互連(pci)總線。

計算機(jī)設(shè)備12a典型地包括多種計算機(jī)系統(tǒng)可讀介質(zhì)。這些介質(zhì)可以是任何能夠被計算機(jī)設(shè)備12a訪問的可用介質(zhì)，包括易失性和非易失性介質(zhì)，可移動的和不可移動的介質(zhì)。

系統(tǒng)存儲器28a可以包括易失性存儲器形式的計算機(jī)系統(tǒng)可讀介質(zhì)，例如隨機(jī)存取存儲器(ram)30a和/或高速緩存存儲器32a。計算機(jī)設(shè)備12a可以進(jìn)一步包括其它可移動/不可移動的、易失性/非易失性計算機(jī)系統(tǒng)存儲介質(zhì)。僅作為舉例，存儲系統(tǒng)34a可以用于讀寫不可移動的、非易失性磁介質(zhì)(圖6未顯示，通常稱為“硬盤驅(qū)動器”)。盡管圖6中未示出，可以提供用于對可移動非易失性磁盤(例如“軟盤”)讀寫的磁盤驅(qū)動器，以及對可移動非易失性光盤(例如cd-rom,dvd-rom或者其它光介質(zhì))讀寫的光盤驅(qū)動器。在這些情況下，每個驅(qū)動器可以通過一個或者多個數(shù)據(jù)介質(zhì)接口與總線18a相連。系統(tǒng)存儲器28a可以包括至少一個程序產(chǎn)品，該程序產(chǎn)品具有一組(例如至少一個)程序模塊，這些程序模塊被配置以執(zhí)行本發(fā)明上述圖1-圖4各實施例的功能。

具有一組(至少一個)程序模塊42a的程序/實用工具40a，可以存儲在例如系統(tǒng)存儲器28a中，這樣的程序模塊42a包括——但不限于——操作系統(tǒng)、一個或者多個應(yīng)用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個或某種組合中可能包括網(wǎng)絡(luò)環(huán)境的實現(xiàn)。程序模塊42a通常執(zhí)行本發(fā)明所描述的上述圖1-圖4各實施例中的功能和/或方法。

計算機(jī)設(shè)備12a也可以與一個或多個外部設(shè)備14a(例如鍵盤、指向設(shè)備、顯示器24a等)通信，還可與一個或者多個使得用戶能與該計算機(jī)設(shè)備12a交互的設(shè)備通信，和/或與使得該計算機(jī)設(shè)備12a能與一個或多個其它計算設(shè)備進(jìn)行通信的任何設(shè)備(例如網(wǎng)卡，調(diào)制解調(diào)器等等)通信。這種通信可以通過輸入/輸出(i/o)接口22a進(jìn)行。并且，計算機(jī)設(shè)備12a還可以通過網(wǎng)絡(luò)適配器20a與一個或者多個網(wǎng)絡(luò)(例如局域網(wǎng)(lan)，廣域網(wǎng)(wan)和/或公共網(wǎng)絡(luò)，例如因特網(wǎng))通信。如圖所示，網(wǎng)絡(luò)適配器20a通過總線18a與計算機(jī)設(shè)備12a的其它模塊通信。應(yīng)當(dāng)明白，盡管圖中未示出，可以結(jié)合計算機(jī)設(shè)備12a使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設(shè)備驅(qū)動器、冗余處理器、外部磁盤驅(qū)動陣列、raid系統(tǒng)、磁帶驅(qū)動器以及數(shù)據(jù)備份存儲系統(tǒng)等。

處理器16a通過運(yùn)行存儲在系統(tǒng)存儲器28a中的程序，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理，例如實現(xiàn)上述實施例所示的視頻分類方法。

本發(fā)明還提供一種計算機(jī)可讀介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實現(xiàn)如上述實施例所示的視頻分類方法。

本實施例的計算機(jī)可讀介質(zhì)可以包括上述圖6所示實施例中的系統(tǒng)存儲器28a中的ram30a、和/或高速緩存存儲器32a、和/或存儲系統(tǒng)34a。

隨著科技的發(fā)展，計算機(jī)程序的傳播途徑不再受限于有形介質(zhì)，還可以直接從網(wǎng)絡(luò)下載，或者采用其他方式獲取。因此，本實施例中的計算機(jī)可讀介質(zhì)不僅可以包括有形的介質(zhì)，還可以包括無形的介質(zhì)。

本實施例的計算機(jī)可讀介質(zhì)可以采用一個或多個計算機(jī)可讀的介質(zhì)的任意組合。計算機(jī)可讀介質(zhì)可以是計算機(jī)可讀信號介質(zhì)或者計算機(jī)可讀存儲介質(zhì)。計算機(jī)可讀存儲介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合。計算機(jī)可讀存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導(dǎo)線的電連接、便攜式計算機(jī)磁盤、硬盤、隨機(jī)存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本文件中，計算機(jī)可讀存儲介質(zhì)可以是任何包含或存儲程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。

計算機(jī)可讀的信號介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計算機(jī)可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計算機(jī)可讀的信號介質(zhì)還可以是計算機(jī)可讀存儲介質(zhì)以外的任何計算機(jī)可讀介質(zhì)，該計算機(jī)可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。

計算機(jī)可讀介質(zhì)上包含的程序代碼可以用任何適當(dāng)?shù)慕橘|(zhì)傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設(shè)計語言或其組合來編寫用于執(zhí)行本發(fā)明操作的計算機(jī)程序代碼，所述程序設(shè)計語言包括面向?qū)ο蟮某绦蛟O(shè)計語言—諸如java、smalltalk、c++，還包括常規(guī)的過程式程序設(shè)計語言—諸如”c”語言或類似的程序設(shè)計語言。程序代碼可以完全地在用戶計算機(jī)上執(zhí)行、部分地在用戶計算機(jī)上執(zhí)行、作為一個獨(dú)立的軟件包執(zhí)行、部分在用戶計算機(jī)上部分在遠(yuǎn)程計算機(jī)上執(zhí)行、或者完全在遠(yuǎn)程計算機(jī)或服務(wù)器上執(zhí)行。在涉及遠(yuǎn)程計算機(jī)的情形中，遠(yuǎn)程計算機(jī)可以通過任意種類的網(wǎng)絡(luò)——包括局域網(wǎng)(lan)或廣域網(wǎng)(wan)—連接到用戶計算機(jī)，或者，可以連接到外部計算機(jī)(例如利用因特網(wǎng)服務(wù)提供商來通過因特網(wǎng)連接)。

在本發(fā)明所提供的幾個實施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨(dú)物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

上述以軟件功能單元的形式實現(xiàn)的集成的單元，可以存儲在一個計算機(jī)可讀取存儲介質(zhì)中。上述軟件功能單元存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個實施例所述方法的部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(read-onlymemory，rom)、隨機(jī)存取存儲器(randomaccessmemory，ram)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。