检测推广信息显著性的方法、装置、设备和计算机存储介质制造方法及图纸

本发明专利技术提供一种检测推广信息显著性的方法、装置、设备和计算机存储介质，所述方法包括：抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。本发明专利技术通过对视频内容进行分析，并利用显著性检测模型获取各帧图像的显著性检测结果，从而获取视频段的推广信息显著性，实现准确判断推广信息是否位于视频内容中的显著性区域。

【技术实现步骤摘要】
检测推广信息显著性的方法、装置、设备和计算机存储介质
本专利技术涉及互联网
，尤其涉及一种检测推广信息显著性的方法、装置、设备和计算机存储介质。
技术介绍
随着互联网数据的爆炸性增长，以及人工智能技术的快速发展，围绕视频中推广信息的产品正在不断受到关注，比如视频贴片推广信息、视频植入推广信息等。但现有技术在将贴片推广信息、植入推广信息加入到视频时，并没有考虑到推广信息位置对视频内容的影响程度，如果加入的推广信息位于观看内容的显著性区域，则会遮挡用户所观看的视频内容，严重影响用户的观看体验。因此，亟需提供一种能够准确检测视频中推广信息显著性的方法。
技术实现思路
有鉴于此，本专利技术提供了一种检测推广信息显著性的方法、装置、设备和计算机存储介质，用于准确检测视频内容中推广信息的显著性，从而更合理地在视频内容中放置推广信息。本专利技术为解决技术问题所采用的技术方案是提供一种检测推广信息显著性的方法，所述方法包括：抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。根据本专利技术一优选实施例，所述显著性检测模型是通过如下方式预先训练得到的：获取已标注显著性区域的图像；将所述各图像作为输入，将各图像中像素的显著性标注结果作为输出，训练分类模型，得到所述显著性检测模型。根据本专利技术一优选实施例，在所述抽取视频段中的每帧图像之前，还包括：基于视频中场景切换帧的位置对视频进行切分，得到一个以上的视频段；针对各视频段，继续执行抽取视频段中的每帧图像的操作。根据本专利技术一优选实施例，所述基于场景切换帧的位置对视频进行切分，得到一个以上的视频段包括：获取视频中的各个场景切换帧；确定所述各个场景切换帧在视频中的出现时间，并基于所述出现时间将视频切分为多个视频段。根据本专利技术一优选实施例，所述获取视频中的各个场景切换帧包括：获取视频中每帧图像的特征信息；依次比较每帧图像之间的特征信息是否匹配，若不匹配，则确定当前比较的两帧图像中的前一帧图像为场景切换帧。根据本专利技术一优选实施例，所述方法还包括：在将图像作为显著性检测模型的输入之前，对图像进行超分辨率分割。根据本专利技术一优选实施例，所述基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分包括：确定每帧图像中的推广信息区域；将一帧图像中属于推广信息区域的各像素对应的输出结果进行累加，将累加结果作为该一帧图像的推广信息显著性得分。根据本专利技术一优选实施例，所述将一帧图像中属于推广信息区域的各像素对应的输出结果进行累加包括：将在所述推广信息区域中各像素满足预设要求的输出结果进行累加。根据本专利技术一优选实施例，所述基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性包括：将视频段中对应每帧图像的推广信息显著性得分进行整合，得到该视频段所对应的推广信息显著性。根据本专利技术一优选实施例，所述分类模型为全卷积神经网络模型。根据本专利技术一优选实施例，所述方法还包括：将视频段对应的推广信息显著性发送至视频监控系统，由视频监控系统对视频段中的推广信息进行调整。本专利技术为解决技术问题所采用的技术方案是提供一种检测推广信息显著性的装置，所述装置包括：处理单元，用于抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；确定单元，用于基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；获取单元，用于基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。根据本专利技术一优选实施例，所述装置还包括训练单元，用于通过如下方式预先训练得到显著性检测模型：获取已标注显著性区域的图像；将所述各图像作为输入，将各图像中像素的显著性标注结果作为输出，训练分类模型，得到所述显著性检测模型。根据本专利技术一优选实施例，所述装置还包括切分单元，用于在所述抽取视频段中的每帧图像之前，具体执行：基于视频中场景切换帧的位置对视频进行切分，得到一个以上的视频段；所述检测单元针对各视频段执行所述抽取视频段中的每帧图像的操作。根据本专利技术一优选实施例，所述切分单元在基于场景切换帧的位置对视频进行切分，得到一个以上的视频段时，具体执行：获取视频中的各个场景切换帧；确定所述各个场景切换帧在视频中的出现时间，并基于所述出现时间将视频切分为多个视频段。根据本专利技术一优选实施例，所述确定单元在基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分时，具体执行：确定每帧图像中的推广信息区域；将一帧图像中属于推广信息区域的各像素对应的输出结果进行累加，将累加结果作为该一帧图像的推广信息显著性得分。根据本专利技术一优选实施例，所述获取单元在基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性时，具体执行：将视频段中对应每帧图像的推广信息显著性得分进行整合，得到该视频段所对应的推广信息显著性。根据本专利技术一优选实施例，所述装置还包括监控单元：将视频段对应的推广信息显著性发送至视频监控系统，由视频监控系统对视频段中的推广信息进行调整。由以上技术方案可以看出，本专利技术通过对视频内容进行分析，利用显著性检测模型获取各帧图像的显著性检测结果，从而获取视频段的推广信息显著性，实现准确判断推广信息是否位于视频内容中的显著性区域。【附图说明】图1为本专利技术一实施例提供的检测推广信息显著性的方法流程图；图2为本专利技术一实施例提供的输入显著性检测模型的图像；图3为本专利技术一实施例提供的显著性检测模型的输出结果的示意图；图4为本专利技术一实施例提供的检测推广信息显著性的装置结构图；图5为本专利技术一实施例提供的计算机系统/服务器的框图。【具体实施方式】为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。对于观看内容来说，用户只对观看内容中的部分区域感兴趣，而对其他剩余的区域不感兴趣，而显著性区域则是观看内容中最能引起用户兴趣、最能表现观看内容的区域。因此，本专利技术通过对视频内容进行分析，检测视频内容中推广信息的显著性，从而更加准确地判断视频内容中的推广信息是否位于视频内容的显著性区域而影响用户的观看。图1为本专利技术一实施例提供的检测推广信息显著性的方法流程图，如图1中所述，所述方法包括：在本文档来自技高网...

【技术保护点】
一种检测推广信息显著性的方法，其特征在于，所述方法包括：抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。

【技术特征摘要】
1.一种检测推广信息显著性的方法，其特征在于，所述方法包括：抽取视频段中的每帧图像，将所述图像作为显著性检测模型的输入，获取所述显著性检测模型的输出结果；基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分；基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性。2.根据权利要求1所述的方法，其特征在于，所述显著性检测模型是通过如下方式预先训练得到的：获取已标注显著性区域的图像；将所述各图像作为输入，将各图像中像素的显著性标注结果作为输出，训练分类模型，得到所述显著性检测模型。3.根据权利要求1所述的方法，其特征在于，在所述抽取视频段中的每帧图像之前，还包括：基于视频中场景切换帧的位置对视频进行切分，得到一个以上的视频段；针对各视频段，继续执行抽取视频段中的每帧图像的操作。4.根据权利要求3所述的方法，其特征在于，所述基于场景切换帧的位置对视频进行切分，得到一个以上的视频段包括：获取视频中的各个场景切换帧；确定所述各个场景切换帧在视频中的出现时间，并基于所述出现时间将视频切分为多个视频段。5.根据权利要求4所述的方法，其特征在于，所述获取视频中的各个场景切换帧包括：获取视频中每帧图像的特征信息；依次比较每帧图像之间的特征信息是否匹配，若不匹配，则确定当前比较的两帧图像中的前一帧图像为场景切换帧。6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：在将图像作为显著性检测模型的输入之前，对图像进行超分辨率分割。7.根据权利要求1所述的方法，其特征在于，所述基于所述输出结果，确定所述每帧图像对应的推广信息显著性得分包括：确定每帧图像中的推广信息区域；将一帧图像中属于推广信息区域的各像素对应的输出结果进行累加，将累加结果作为该一帧图像的推广信息显著性得分。8.根据权利要求7所述的方法，其特征在于，所述将一帧图像中属于推广信息区域的各像素对应的输出结果进行累加包括：将在所述推广信息区域中各像素满足预设要求的输出结果进行累加。9.根据权利要求1所述的方法，其特征在于，所述基于每帧图像对应的推广信息显著性得分，获取视频段对应的推广信息显著性包括：将视频段中对应每帧图像的推广信息显著性得分进行整合，得到该视频段所对应的推广信息显著性。10.根据权利要求2所述的方法，其特征在于，所述分类模型为全卷积神经网络模型。11.根据权利要求1所述的方法，其特征在于，所述方法还包括：将视频段对应的推广信息显著性发送至视频监控系统，由视频监控系统对视...

【专利技术属性】
技术研发人员：杨羿，郭佳骋，王山雨，刘林，陈震，王建国，魏存超，陆伟，党悦然，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11