一种事件检测模型训练方法以及事件检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108334910A(43)申请公布日2018.07.27(21)申请号201810297702.9(22)申请日2018.03.30(71)申请人国信优易数据有限公司地址100070北京市丰台区南四环西路188号总部广场31号楼(72)发明人孙源良夏虎李长升樊雨茂(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人吴迪(51)Int.Cl.G06K9/62(2006.01)G06N3/08(2006.01)权利要求书3页说明书13页附图4页(54)发明名称一种事件检测模型训练方法以及事件检测方法(57)摘要本申请提供一种事件检测模型训练方法以及事件检测方法；该事件检测模型训练方法包括：获取多个带有标签的训练视频中的训练图像帧，并将训练图像帧分成多个批次；使用目标神经网络为所有批次中的训练图像帧提取特征向量；使用注意力机制处理网络对每个批次中训练图像帧的特征向量进行至少两轮权重赋值；将进行了权重赋值的各批次中训练图像帧的特征向量输入至目标分类器，获得训练视频的分类结果；根据训练视频的分类结果以及训练视频的标签之间的比对结果，对目标神经网络、注意力机制处理网络以及目标分类器进行训练。本申请实施例能够在不影响模型精度的前提下，减少训练过程中所需所需要的计算量，减少计算资源以及训练时间的耗费。CN108334910ACN108334910A权利要求书1/3页1.一种事件检测模型训练方法，其特征在于，包括：获取多个带有标签的训练视频中的训练图像帧，并将所述训练图像帧分成多个批次；每个所述批次包括预设数量训练图像帧；使用目标神经网络为所有批次中的所述训练图像帧提取特征向量；使用注意力机制处理网络对每个批次中训练图像帧的特征向量进行至少两轮权重赋值；将进行了权重赋值的各批次中训练图像帧的特征向量输入至目标分类器，获得所述训练视频的分类结果；根据所述训练视频的分类结果以及所述训练视频的标签之间的比对结果，对所述目标神经网络、所述注意力机制处理网络以及所述目标分类器进行训练。2.根据权利要求1所述的方法，其特征在于，所述获取多个带有标签的训练视频中的训练图像帧，具体包括：获取多个带有标签的训练视频；按照预设采样频率，对所述训练视频进行采样；将对每个训练视频采样得到的图像作为该训练视频中的训练图像帧。3.根据权利要求1所述的方法，其特征在于，使用注意力机制处理网络对每个批次中训练图像帧的特征向量进行权重赋值，具体包括：以特征向量为粒度，使用注意力机制处理网络对每个批次中训练图像帧的特征向量分别进行权重赋值，以及，以批次为粒度，使用注意力机制处理网络对每个批次分别进行权重赋值。4.根据权利要求3所述的方法，其特征在于，所述以特征向量为粒度，使用注意力机制处理网络对每个批次中训练图像帧的特征向量分别进行权重赋值，所得到的第i个批次的权重赋值结果a(i)满足公式(1)：(1)a(i)＝tanh(W1F1+W2F2+…+WnFn+c)；其中，n表示第i个批次中训练图像帧的数量；W1至Wn分别表示每一个批次中第1张至第n张训练图像帧分别对应的权重；F1至Fn表示每一个批次中第1张至第n张训练图像帧分别对应的特征向量；c表示以批次为粒度，使用注意力机制处理网络对每个批次分别进行权重赋值时的偏执项；tanh表示激活函数；所述以批次为粒度，使用注意力机制处理网络对每个批次分别进行权重赋值，得到的第j个批次的权重赋值结果b(j)满足公式(2)：(2)b(j)＝M1a(1)+M2a(2)+…+Mma(m)+d；M1至Mm表示从第1至第m个批次分别对应的权重；d表示以批次为粒度，使用注意力机制处理网络对每个批次分别进行权重赋值时的偏执项；所述以批次为粒度，使用注意力机制处理网络对每个批次分别进行权重赋值之后，还包括：将各个批次的权重赋值结果归一化。5.根据权利要求1所述的方法，其特征在于，所述将进行了权重赋值的各批次中训练图像帧的特征向量输入至分类器，获得所述训练视频的分类结果，具体包括：将各批次对应的进行了权重赋值的特征向量分别输入目标分类器，获得每个批次对应的分类结果；2CN108334910A权利要求书2/3页按照对应有批次数量最多的分类结果作为所述训练视频的分类结果。6.根据权利要求5所述的方法，其特征在于，所述将各批次对应的进行了权重赋值的特征向量分别输入目标分类器，获得每个批次对应的分类结果，具体包括：依次将各批次对应的进行了权重赋值的特征向量分别输入所述目标分类器，获得每个进行了权重赋值的特征向量表征的训练图像帧的分类结果；将对应有训练图像帧数量最多的分类结果作为该批次的分类结果。7.根据权利要求1所述的方法，其特征在于，还包括：分别将各个批次中的训