原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本公开涉及一种多模态分类模型训练、视频分类方法、装置、介质及设备。多模态分类模型包括：多个分类头、特征提取器和拼接模块，拼接模块与每一分类头分别连接；多模态分类模型训练方法包括：针对每一分类头，通过预训练后所得的特征提取器提取样本视频的深层特征和浅层特征；根据深层特征和浅层特征，通过拼接模块生成拼接特征；根据拼接特征和分类标签，对该分类头进行训练。这样，各分类任务可以共享特征提取器和拼接模块，可降低资源消耗和多个下游分类头的互相影响，提升模型迭代灵活性。让分类头同时学习到视频的深层特征和浅层特征
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117036827 A
(43)申请公布日 2023.11.10
(21)申请号 202311182983.0
(22)申请日 2023.09.13
(71)申请人 北京字跳网络技术
文档评论（0）