素材序列生成方法、装置、设备、介质和程序产品

    公开(公告)号:CN115795176A

    公开(公告)日:2023-03-14

    申请号:CN202211248320.X

    申请日:2022-10-12

    IPC分类号: G06F16/9536 G06F16/9538

    摘要: 本公开的实施例公开了素材序列生成方法、装置、设备、介质和程序产品。该方法的一具体实施方式包括:响应于待推荐创意素材集中存在目标待推荐创意素材,确定目标待推荐创意素材集;对于每个目标待推荐创意素材,从历史推荐创意素材集中筛选预定数目个目标历史推荐创意素材;根据各个目标历史推荐创意素材的点击率,生成各个目标待推荐创意素材的预估点击率;确定各个多次推荐创意素材的点击率;对各个待推荐创意素材进行排序,得到待推荐创意素材序列。该实施方式与人工智能有关,通过确定目标待推荐创意素材对应的点击率,可以生成针对待推荐创意素材集的、更为精准的素材推荐顺序,提高了素材推荐效果。

    视频生成方法和装置
    5.
    发明公开

    公开(公告)号:CN115801980A

    公开(公告)日:2023-03-14

    申请号:CN202211389074.X

    申请日:2022-11-08

    IPC分类号: H04N5/262 H04N21/44

    摘要: 本公开的实施例公开了视频生成方法和装置。该方法的一具体实施方式包括:获取对待剪辑视频进行切分得到的至少两个视频片段;利用预先训练的视频处理模型对至少两个视频片段进行处理,得到处理结果,其中,处理结果表示各视频片段分别属于视频剪辑结果的概率,视频处理模型的训练样本通过如下步骤得到:获取原始视频对应的视频剪辑结果集,分别确定视频剪辑结果集的各视频剪辑结果的效果指标值,根据效果指标值,生成视频处理模型的训练样本;根据处理结果,从至少两个视频片段中选取视频片段生成视频剪辑结果。该实施方式实现了一种基于效果指标反馈的视频剪辑方式。

    模型训练方法、图像分类方法和装置

    公开(公告)号:CN115482415A

    公开(公告)日:2022-12-16

    申请号:CN202211151337.3

    申请日:2022-09-21

    摘要: 本公开的实施例提供了一种模型训练方法、图像分类方法和装置。所述模型训练方法包括:首先获取训练样本集,该训练样本集包括样本物品对应的样本图像和样本图像的样本分类结果,样本图像由样本物品对应的样本首图和样本主图组成,然后构建包括残差神经网络和分类网络的初始模型,最后利用机器学习方法,将样本图像作为残差神经网络的输入,获取样本首图对应的第一特征向量和样本主图对应的第二特征向量,将残差神经网络输出的第一特征向量和第二特征向量作为分类网络的输入,样本图像的样本分类结果作为期望输出,对初始模型进行训练,得到图像分类模型,能够对所构成的样本图像提取特征、构成特征向量和预测分类结果,实现主图是否合格的判别。

    推荐信息生成方法、装置、设备、介质和程序产品

    公开(公告)号:CN115757933A

    公开(公告)日:2023-03-07

    申请号:CN202211194196.3

    申请日:2022-09-28

    摘要: 本公开的实施例公开了推荐信息生成方法、装置、设备、介质和程序产品。该方法的一具体实施方式包括:获取历史浏览创意图像序列、用户稀疏特征信息集、主图像和物品稀疏特征信息集;对主图像进行图编码处理,得到主图编码向量,对每个历史浏览创意图像进行图编码处理,以生成历史图像编码向量;对每个用户稀疏特征信息进行信息编码,以生成用户稀疏特征向量,以及对每个物品稀疏特征信息进行信息编码,以生成物品稀疏特征向量;对各个历史图像编码向量进行视觉偏好调整,得到调整后历史图像编码向量序列;生成待推送给目标用户的、目标推荐物品对应的推荐图像集。该实施方式与人工智能有关,生成了精准的推荐信息,得到了较好的推荐效果。

    视频识别方法、装置、电子设备及存储介质

    公开(公告)号:CN114267084A

    公开(公告)日:2022-04-01

    申请号:CN202111562144.2

    申请日:2021-12-17

    摘要: 本申请公开了一种视频识别方法、装置、电子设备及存储介质。方法包括:确定第一视频的m个第一图像帧中的每个第一图像帧对应的n个第一特征向量;第一特征向量表征对应的第一图像帧的空间特征向量;从m个第一图像帧对应的第一特征向量中提取得到第二特征向量,并通过全连接层处理第二特征向量,得到第三特征向量;第二特征向量表征m个第一图像帧对应的时序特征向量;基于第三特征向量确定第一视频对应的第一对象和第二对象之间的第一行为类型;第三特征向量中的每个元素对应表征一种行为类型的概率;在第一行为类型是设定的行为类型的情况下,基于第一行为类型和第二对象的类型,确定第一视频的视频识别结果;其中,m,n均为正整数。