用于生成模型的方法和装置.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CN109492128A(43)申请公布日2019.03.19(21)申请号201811273701.7(22)申请日2018.10.30(71)申请人北京字节跳动网络技术有限公司地址100041北京市石景山区实兴大街30号院3号楼2层B-0035房间(72)发明人袁泽寰癿春光王长虎(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06F16/73(2019.01)G06F16/783(2019.01)H04L29/08(2006.01)权利要求书3页说明书13页附图6页(54)发明名称用于生成模型的方法和装置(57)摘要本申请实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取样本集；从该样本集中提取样本，执行如下训练步骤：将所提取的样本中的视频中的帧输入至初始模型，得到样本中的各视频的特征信息；基于所得到的特征信息和样本中的配乐风格标注，确定样本的损失值；基于该损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练后的初始模型确定为视频特征提取模型。该实施方式能够得到一种可以用于提取视频特征的模型，且该模型所提取的视频特征有助于视频配乐的自动选取。CN109492128ACN109492128A权利要求书1/3页1.一种用于生成模型的方法，包括：获取样本集，其中，所述样本集中的样本包括第一视频、第二视频和第三视频，第一视频和第二视频的配乐相同且带有相同的配乐风格标注，第一视频与第三视频的配乐不同且带有不同的配乐风格标注；从所述样本集中提取样本，执行如下训练步骤：将所提取的样本中的视频中的帧输入至初始模型，得到样本中的各视频的特征信息；基于所得到的特征信息和样本中的配乐风格标注，确定样本的损失值；基于所述损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练后的初始模型确定为视频特征提取模型。2.根据权利要求1所述的用于生成模型的方法，其中，所述基于所得到的特征信息和样本中的配乐风格标注，确定样本的损失值，包括：确定第一欧氏距离和第二欧氏距离，其中，所述第一欧氏距离为带有相同的配乐风格标注的视频的特征信息的欧氏距离，所述第二欧氏距离为带有不同的配乐风格标注的视频的特征信息的欧氏距离；确定所述第二欧氏距离与所述第一欧氏距离的差值；基于所述差值与第一预设数值的比较，确定样本的损失值，其中，所述第一预设数值为正数。3.根据权利要求2所述的用于生成模型的方法，其中，所述基于所述差值与第一预设数值的比较，确定样本的损失值，包括：响应于确定所述差值大于第一预设数值，将第二预设数值确定为样本的损失值，其中，所述第二预设数值小于所述差值与所述第一预设数值的差。4.根据权利要求2所述的用于生成模型的方法，其中，所述基于所述差值与第一预设数值的比较，确定样本的损失值，包括：响应于确定所述差值不大于第一预设数值，将所述第一预设数值与所述差值的差确定为样本的损失值。5.根据权利要求1所述的用于生成模型的方法，其中，所述样本集中的样本通过如下步骤生成：从预置的视频库中随机提取视频作为第一视频，其中，所述视频库中的视频带有配乐标注和配乐风格标注；从所述视频库中随机提取与所述第一视频具有相同的配乐标注且具有相同的配乐风格标注的视频作为第二视频；从所述视频库中随机选取与所述第一视频带有不同的配乐标注且具有不同的配乐风格标注的视频作为第三视频；将所述第一视频、所述第二视频、所述第三视频汇总为样本。6.根据权利要求1所述的用于生成模型的方法，其中，所述方法还包括：响应于确定初始模型未训练完成，基于所述损失值，更新初始模型中的参数，从所述样本集中重新提取样本，使用更新参数后的初始模型作为初始模型，继续执行所述训练步骤。7.一种用于生成模型的装置，包括：获取单元，被配置成获取样本集，其中，所述样本集中的样本包括第一视频、第二视频和第三视频，第一视频和第二视频的配乐相同且带有相同的配乐风格标注，第一视频与第2CN109492128A权利要求书2/3页三视频的配乐不同且带有不同的配乐风格标注；训练单元，被配置成从所述样本集中提取样本，执行如下训练步骤：将所提取的样本中的视频中的帧输入至初始模型，得到样本中的各视频的特征信息；基于所得到的特征信息和样本中的配乐风格标注，确定样本的损失值；基于所述损失值确定初始模型是否训练完成；响应于确定初始模型训练完成，将训练后的初始模型确定为视频特征提取模型。8.根据权利要求7所述的用于生成模型的装置，其中，所述训练单元进一步被配置成：确定第一欧氏距离和第二欧氏距离，其中，所述第一欧氏距离为带有相同的配乐风格标注的视频的特征信息的欧氏距离，所述第二欧氏距离为带有不