(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211165883.2 (22)申请日 2022.09.23 (71)申请人 维沃移动通信有限公司 地址 523863 广东省东莞 市长安镇维沃路1 号 (72)发明人 肖达　 (74)专利代理 机构 北京远志博慧知识产权代理 事务所 (特殊普通合伙) 11680 专利代理师 李翠雅 (51)Int.Cl. G06V 10/764(2022.01) G06V 20/40(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 视频分类方法、 装置、 电子设备及存 储介质 (57)摘要 本申请公开了一种视频分类方法、 装置、 电 子设备及存储介质， 属于人工智 能技术领域。 该 方法包括： 获取目标视频的视频特征信息； 目标 视频包括图像特征信息和文本特征信息； 将视频 特征信息输入至视频分类模型， 对目标视频进行 第一分类处理， 得到目标视频对应的M个第一分 类类别， 并对图像特征信息和文本特征信息进行 第二分类处理， 得到目标视频对应的N个第二分 类类别， M、 N为正整数； 基于M个第一 分类类别， 校 准N个第二 分类类别， 并通过校准后的N个第二分 类类别， 确定目标视频对应的目标分类 类别。 权利要求书2页 说明书12页 附图2页 CN 115359303 A 2022.11.18 CN 115359303 A 1.一种视频分类方法， 其特 征在于， 所述方法包括： 获取目标视频的视频 特征信息； 所述目标视频包括图像特 征信息和文本特 征信息； 将所述视频特征信息输入至视频分类模型， 对所述目标视频进行第一分类处理， 得到 所述目标视频对应的M个第一分类类别， 并对所述图像特征信息和所述文本特征信息进行 第二分类处 理， 得到所述目标视频对应的N个第二分类 类别， M、 N 为正整数； 基于所述M个第 一分类类别， 校准所述N个第二分类类别， 并通过所述校准后的N个第二 分类类别， 确定所述目标视频对应的目标分类 类别。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述M个第一分类类别， 校准所述 N个第二分类 类别， 包括： 获取第一类别信息， 所述第一类别信息用于表征所述目标视频属于所述M个第一分类 类别中的任一第一分类 类别的概 率； 根据所述第 一类别信息、 所述M个第一分类类别和所述N个第二分类类别， 校准所述N个 第二分类 类别。 3.根据权利要求2所述的方法， 其特 征在于， 所述获取第一类别 信息， 包括： 对所述M个第一分类类别与预设类别进行交叉熵计算， 得到M个第一损 失值， 每个第一 损失值用于指示M个第一分类 类别中的每 个第一分类 类别与预设类别之间的差异程度； 对所述M个第一损失值进行采样处 理， 得到所述第一类别 信息。 4.根据权利要求1至3 中任一项所述的方法， 其特征在于， 所述通过所述校准后的N个第 二分类类别， 确定所述目标视频对应的目标分类 类别之后， 所述方法还 包括： 对所述校准后的N个第二分类类别与预设类别进行交叉熵计算， 得到N个第二损失值， 每个第二损失值用于表征所述校准后的N个第二分类类别中的每个第二分类类别与预设类 别之间的差异程度； 根据所述M个第一损失值和所述 N个第二损失值， 更新所述视频分类模型。 5.根据权利要求1所述的方法， 其特征在于， 所述通过所述校准后的N个第 二分类类别， 确定所述目标视频对应的目标分类 类别， 包括： 对所述校准后的N个第二分类类别进行采样处理， 获取N个第二分类信息， 每个第二分 类信息用于表征所述目标视频属于校准后的N个第二分类类别的任一第二分类类别的概 率； 根据所述 N个第二分类信息， 确定所述目标视频对应的目标分类 类别。 6.根据权利要求1所述的方法， 其特 征在于， 获取目标视频的视频 特征信息， 包括： 提取所述目标视频的L视频帧对应的图像特征信息， 以及所述目标视频对应的文本特 征信息， L 为大于1的整数； 将所述图像特 征信息和所述文本特 征信息进行 特征融合， 得到所述视频 特征信息。 7.一种视频分类装置， 其特征在于， 所述视频分类装置包括： 获取模块、 处理模块、 校准 模块和确定模块； 所述获取模块， 用于获取目标视频的视频特征信息； 所述目标视频包括图像特征信息 和文本特 征信息； 所述处理模块， 用于将所述视频特征信息输入至视频分类模型， 对所述目标视频进行 第一分类处理， 得到所述目标视频对应的M个第一分类类别， 并对所述图像特征信息和所述权　利　要　求　书 1/2 页 2 CN 115359303 A 2文本特征信息进行第二分类处理， 得到所述目标视频对应的N个第二分类类别， M、 N为正整 数； 所述校准模块， 用于基于所述M个第一分类 类别， 校准所述 N个第二分类 类别； 所述确定模块， 用于通过所述校准后的N个第 二分类类别， 确定所述目标视频对应的目 标分类类别。 8.根据权利要求7所述的装置， 其特征在于， 所述校准模块， 具体用于获取第一类别信 息， 所述第一类别信息用于表征所述 目标视频属于所述M个第一分类类别中的任一第一分 类类别的概率； 并根据所述第一类别信息、 所述M个第一分类类别和所述N个第二分类类别， 校准所述 N个第二分类 类别。 9.根据权利要求8所述的装置， 其特征在于， 所述获取模块， 具体对所述M个第 一分类类 别与预设类别进行交叉熵计算， 得到M个第一损失值， 每个第一损失值用于指示M个第一分 类类别中的每个第一分类类别与预设类别 之间的差异程度； 并对所述M个第一损失值进行 采样处理， 得到所述第一类别 信息。 10.根据权利要求7至9中任一项所述的装置， 其特征在于， 所述处理模块， 还用于所述 通过所述校准后的N个第二分类类别， 确定所述目标视频对应的目标分类类别之后， 对所述 校准后的N个第二分类类别与预设类别进行交叉熵计算， 得到N个第二损失值， 每个第二损 失值用于表征所述校准后的N个第二分类类别中的每个第二分类类别与预设类别之 间的差 异程度； 并根据所述M个第一损失值和所述 N个第二损失值， 更新所述视频分类模型。 11.根据权利要求7所述的装置， 其特征在于， 所述确定模块， 具体用于对所述校准后的 N个第二分类类别进行采样处理， 获取N个第二分类信息， 每个第二分类信息用于表征所述 目标视频属于校准后的N个第二分类类别的任一第二分类类别的概率； 并根据所述N个第二 分类信息， 确定所述目标视频对应的目标分类 类别。 12.根据权利要求7所述的装置， 其特征在于， 所述获取模块， 具体用于提取所述目标视 频的L视频帧对应的图像特征信息， 以及所述目标视频对应的文本特征信息， L为大于1的整 数； 将所述图像特 征信息和所述文本特 征信息进行 特征融合， 得到所述视频 特征信息。 13.一种电子设备， 其特征在于， 包括处理器， 存储器及存储在所述存储器上并可在所 述处理器上运行的程序或指 令， 所述程序或指 令被所述处理器执行时实现如权利要求 1至6 中任一项所述的视频分类方法的步骤。 14.一种可读存储介质， 其特征在于， 所述可读存储介质上存储程序或指令， 所述程序 或指令被处 理器执行时实现如权利要求1至 6中任一项所述的视频分类方法的步骤。权　利　要　求　书 2/2 页 3 CN 115359303 A 3