真实分割点判断方法、系统、存储介质及电子设备与流程

技术特征：
1.一种真实分割点判断方法，其特征在于，包括：视频特征维度获取步骤：将视频按照时间分成若干个视频等份，使用深度学习预训练模型对所述视频等份提取特征，获得视频特征；模型处理步骤：将所述视频特征输入到真实分割点判断模型进行处理获得每个候选分割点的分类概率；判断步骤:根据所述分类概率对所述候选分割点进行判断以确定场景真实分割点。2.如权利要求1所述的真实分割点判断方法，其特征在于，所述视频特征获取步骤包括：视频等份获得步骤：将所述视频按照时间分成若干个所述视频等份；获得视频特征步骤:使用深度学习预训练模型对每个所述视频等份提取特征获得对应每个所述视屏等份的第一特征。3.如权利要求1所述的真实分割点判断方法，其特征在于，所述模型处理步骤包括：样本视频等份获得步骤：将样本视频按照时间分成若干个样本视频等份；获得样本视频特征步骤:使用深度学习预训练模型对每个所述样本视频等份提取特征，获得所述视屏的多个样本视频特征；构造候选分割点特征步骤：针对每个所述候选分割点取所述候选分割点所在视频等份的样本视频特征和上一个候选分割点之间的样本视频特征以及下一个候选分割点之间的样本视频特征，依次搭建encoder网络和predictor网络并设计损失函数后构建所述真实分割点判断模型；分类概率获得步骤：根据所述视频特征通过真实分割点判断模型获得每个所述候选分割点的所述分类概率。4.如权利要求1所述的真实分割点判断方法，其特征在于，所述判断步骤包括：通过设置阈值对每个所述候选分割点的所述分类概率进行判断以确定所述候选分割点是否为所述场景真实分割点。5.一种真实分割点判断系统，其特征在于，包括：视频特征维度获取模块，所述视频特征维度获取模块将视频按照时间分成若干个视频等份，使用深度学习预训练模型对所述视频等份提取特征，获得视频特征；模型处理模块，所述模型处理模块将所述视频特征输入到真实分割点判断模型进行处理获得每个候选分割点的分类概率；判断模块，所述判断模块根据所述分类概率对所述候选分割点进行判断以确定场景真实分割点。6.如权利要求5所述的真实分割点判断系统，其特征在于，所述视频特征获取模块包括：视频等份获得单元，所述视频等份获得单元将所述视频按照时间分成若干个所述视频等份；获得视频特征单元，所述获得视频特征单元使用深度学习预训练模型对每个所述视频等份提取特征获得对应每个所述视屏等份的第一特征。7.如权利要求5所述的真实分割点判断系统，其特征在于，所述模型处理模块包括：样本视频等份获得单元，所述样本视频等份获得单元将样本视频按照时间分成若干个
样本视频等份；获得样本视频特征单元，所述获得样本视频特征单元使用深度学习预训练模型对每个所述样本视频等份提取特征，获得所述视屏的多个样本视频特征；构造候选分割点特征单元，所述构造候选分割点特征单元针对每个所述候选分割点取所述候选分割点所在视频等份的样本视频特征和上一个候选分割点之间的样本视频特征以及下一个候选分割点之间的样本视频特征，依次搭建encoder网络和predictor网络并设计损失函数后构建所述真实分割点判断模型；分类概率获得单元，所述分类概率获得单元根据所述视频特征通过真实分割点判断模型获得每个所述候选分割点的所述分类概率。8.如权利要求5所述的真实分割点判断系统，其特征在于，所述判断模块包括：通过设置阈值对每个所述候选分割点的所述分类概率进行判断以确定所述候选分割点是否为所述场景真实分割点。9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的真实分割点判断方法。10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的真实分割点判断方法。

技术总结
本申请公开了一种真实分割点判断方法、系统、存储介质及电子设备，真实分割点判断方法包括：视频特征维度获取步骤：将视频按照时间分成若干个视频等份，使用深度学习预训练模型对所述视频等份提取特征，获得视频特征；模型处理步骤：将所述视频特征输入到真实分割点判断模型进行处理获得每个候选分割点的分类概率；判断步骤:根据所述分类概率对所述候选分割点进行判断以确定场景真实分割点。本发明使用了全局一致性损失，降低相同场景的相似度，提高不同场景的相似度，能够得到非常好的表达，模型会逐渐收敛，而不会出现l oss上升。oss上升。oss上升。


技术研发人员：胡郡郡 唐大闰
受保护的技术使用者：上海明略人工智能（集团）有限公司
技术研发日：2021.07.23
技术公布日：2021/10/28