多层神经网络模型应用平台

摘要

本发明涉及一种多层神经网络模型应用平台，包括：时长设定机构，设置在媒体监管端，用于在工作人员的操控下，输入待录入的电视剧的时间长度；数据录入设备，与所述时长设定机构连接，用于录入待鉴定类型的电视剧；类型采集设备，用于将解析度处理机构输出的各个具有主解析度的帧画面按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据，调用并运行所述多层神经网络模型以获得电视剧类型。本发明的多层神经网络模型应用平台逻辑紧凑、操控方便。由于采用了人工智能模式对每一个输入的电视剧进行类型的自动化鉴定，从而提升了电视剧鉴定的速度和效率。

说明书

技术领域

本发明涉及人工智能领域，尤其涉及一种多层神经网络模型应用平台。

背景技术

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

人工智能可应用于各种具体的应用领域中。当前，对电视剧的内容审核一方面是为了避免过于暴力、色情或者反动的电视剧流入市场内，另一方面也是为了对电视剧进行有效分类，方便对电视剧进行后续管理。然而，当前人工审核的模式需要对每一个电视剧进行长时间观看才能得到相对准确的类型鉴定结果，显然，这种模式需要大量工作人员消耗大量的工作时间。

发明内容

为了解决现有技术中的技术问题，本发明提供了一种多层神经网络模型应用平台，能够在媒体监管端替换人工审核模式采用人工智能模式对输入的每一个电视剧的类型执行自动化鉴定，从而实现了电视剧类型检测的流水线式操作。

为此，本发明至少需要具备以下几处重要的发明点：

(1)采用人工智能模式在媒体监管端对输入的每一个电视剧的类型执行自动化鉴定，从而节省了大量的人工成本和时间成本；

(2)具体的人工智能模式中，引入训练后的多层神经网络模型，所述多层神经网络模型包括单个输入层、多个隐层和单个输出层，所述输入层的输入数据为固定数量的视频帧，所述输出层的输出数据为视频类型。

根据本发明的一方面，提供了一种多层神经网络模型应用平台，所述平台包括：

时长设定机构，设置在媒体监管端，用于在工作人员的操控下，输入待录入的电视剧的时间长度。

更具体地，在所述多层神经网络模型应用平台中，所述平台还包括：

数据录入设备，与所述时长设定机构连接，用于录入待鉴定类型的电视剧。

更具体地，在所述多层神经网络模型应用平台中：

所述数据录入设备具体录入的电视剧的数据为构成电视剧某一时间段的各个均匀间隔的播放帧，所述某一时间段的播放时长等于或者接近所述时间长度。

更具体地，在所述多层神经网络模型应用平台中，所述平台还包括：

第一执行设备，与所述数据录入设备连接，用于对所述某一时间段内的每一个播放帧执行方向滤波处理以获得对应的中间处理帧；

第二执行设备，与所述第一执行设备连接，用于对接收到的中间处理帧执行边缘锐化处理以获得对应的后续处理帧；

信息存储芯片，用于存储训练后的多层神经网络模型，所述多层神经网络模型包括单个输入层、多个隐层和单个输出层，所述输入层的输入数据为固定数量的视频帧，所述输出层的输出数据为视频类型；

解析度处理机构，与所述第二执行设备连接，用于检测各个播放帧分别对应的各个后续处理帧的各个解析度，将出现频率最多的解析度作为主解析度，将其他不具备主解析度的后续处理帧进行解析度归一化处理以使得处理后的帧画面具有所述主解析度；

类型采集设备，分别与所述信息存储芯片和所述解析度处理机构连接，用于将所述解析度处理机构输出的各个具有主解析度的帧画面按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据，调用并运行所述多层神经网络模型以获得所述多层神经网络模型输出的视频类型作为电视剧类型输出；

其中，在所述信息存储芯片中，输入所述输入层每一个视频帧的解析度相同，且输入的视频帧的解析度越高，所述多层神经网络模型的隐层越多；

其中，将其他不具备主解析度的后续处理帧进行解析度归一化处理以使得处理后的帧画面具有所述主解析度包括：当其他不具备主解析度的后续处理帧的解析度小于所述主解析度时，对其进行像素插值处理以使得其解析度等于或接近所述主解析度；

其中，将所述解析度处理机构输出的各个具有主解析度的帧画面按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据包括：各个具有主解析度的帧画面具有不同的时间戳，基于各个具有主解析度的帧画面的各个时间戳按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据。

根据本发明的另一方面，还提供了一种多层神经网络模型应用方法，所述方法包括使用一种如上述的多层神经网络模型应用平台，用于基于定制结构的多层神经网络实现对输入的每一个电视剧的类型的智能化判定。

本发明的多层神经网络模型应用平台逻辑紧凑、操控方便。由于采用了人工智能模式对每一个输入的电视剧进行类型的自动化鉴定，从而提升了电视剧鉴定的速度和效率。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的多层神经网络模型应用平台所使用的多层神经网络模型的内部结构图。

具体实施方式

下面将参照附图对本发明的多层神经网络模型应用平台的实施方案进行详细说明。

电视剧(TVplay；teleplay；TV drama；TV serial；)一种专为在电视上播映的演剧形式。它兼容电影、戏剧、文学、音乐、舞蹈、绘画、造型等现代艺术诸元素，是一种适应电视广播特点、融合舞台和电影艺术的表现方法而形成的现代艺术样式。一般分单本剧和系列剧(电视影集)。电视剧是随着电视广播事业的诞生而发展起来的，在这幕后有一定的推动作用致使一些电视剧网站孕育而生，比较典型的分类电视剧在线观看网站很受大众的喜爱。生活中，电视剧的定义已经狭义化，仅指电视剧集系列，而非其他形式。

电视剧是一种适应电视广播特点、融合舞台和电影艺术的表现方法而形成的艺术样式。一般分单元剧和连续剧，利用电视技术制作并通过电视网放映。电视发明后不断普及，最后改变大家对艺术欣赏的方式。电视剧的播放平台一般叫剧场。

当前，对电视剧的内容审核一方面是为了避免过于暴力、色情或者反动的电视剧流入市场内，另一方面也是为了对电视剧进行有效分类，方便对电视剧进行后续管理。然而，当前人工审核的模式需要对每一个电视剧进行长时间观看才能得到相对准确的类型鉴定结果，显然，这种模式需要大量工作人员消耗大量的工作时间。

为了克服上述不足，本发明搭建了一种多层神经网络模型应用平台，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的多层神经网络模型应用平台所使用的多层神经网络模型的内部结构图。

如图1所述，所述多层神经网络模型包括一个输入层、一个输出层，所述多层神经网络模型还包括隐含层，所述隐含层的数量为一个以上。

根据本发明实施方案示出的多层神经网络模型应用平台包括：

时长设定机构，设置在媒体监管端，用于在工作人员的操控下，输入待录入的电视剧的时间长度。

接着，继续对本发明的多层神经网络模型应用平台的具体结构进行进一步的说明。

所述多层神经网络模型应用平台中还可以包括：

数据录入设备，与所述时长设定机构连接，用于录入待鉴定类型的电视剧。

所述多层神经网络模型应用平台中：

所述数据录入设备具体录入的电视剧的数据为构成电视剧某一时间段的各个均匀间隔的播放帧，所述某一时间段的播放时长等于或者接近所述时间长度。

所述多层神经网络模型应用平台中还可以包括：

第一执行设备，与所述数据录入设备连接，用于对所述某一时间段内的每一个播放帧执行方向滤波处理以获得对应的中间处理帧；

第二执行设备，与所述第一执行设备连接，用于对接收到的中间处理帧执行边缘锐化处理以获得对应的后续处理帧；

信息存储芯片，用于存储训练后的多层神经网络模型，所述多层神经网络模型包括单个输入层、多个隐层和单个输出层，所述输入层的输入数据为固定数量的视频帧，所述输出层的输出数据为视频类型；

解析度处理机构，与所述第二执行设备连接，用于检测各个播放帧分别对应的各个后续处理帧的各个解析度，将出现频率最多的解析度作为主解析度，将其他不具备主解析度的后续处理帧进行解析度归一化处理以使得处理后的帧画面具有所述主解析度；

类型采集设备，分别与所述信息存储芯片和所述解析度处理机构连接，用于将所述解析度处理机构输出的各个具有主解析度的帧画面按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据，调用并运行所述多层神经网络模型以获得所述多层神经网络模型输出的视频类型作为电视剧类型输出；

其中，在所述信息存储芯片中，输入所述输入层每一个视频帧的解析度相同，且输入的视频帧的解析度越高，所述多层神经网络模型的隐层越多；

其中，将其他不具备主解析度的后续处理帧进行解析度归一化处理以使得处理后的帧画面具有所述主解析度包括：当其他不具备主解析度的后续处理帧的解析度小于所述主解析度时，对其进行像素插值处理以使得其解析度等于或接近所述主解析度；

其中，将所述解析度处理机构输出的各个具有主解析度的帧画面按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据包括：各个具有主解析度的帧画面具有不同的时间戳，基于各个具有主解析度的帧画面的各个时间戳按照时间顺序均匀选择固定数量的帧画面作为所述多层神经网络模型的输入数据。

所述多层神经网络模型应用平台中：

将其他不具备主解析度的后续处理帧进行解析度归一化处理以使得处理后的帧画面具有所述主解析度还包括：当其他不具备主解析度的后续处理帧的解析度大于所述主解析度时，对其进行下采样以使得其解析度等于或接近所述主解析度。

所述多层神经网络模型应用平台中：

在所述信息存储芯片中，所述视频类型包括动作片、感情片、枪战片、侦探片、儿童片和成人片。

所述多层神经网络模型应用平台中还可以包括：

封装保护结构，用于容纳所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备，实现对所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备的保护；

其中，分别采用不同型号的可编程逻辑器件来实现所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备；

其中，所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备都设置在媒体监管端。

所述多层神经网络模型应用平台中还可以包括：

串行通信接口，分别与所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备连接；

其中，所述串行通信接口分别为所述数据录入设备、所述第一执行设备、所述第二执行设备、所述解析度处理机构和所述类型采集设备提供配置数据。

所述多层神经网络模型应用平台中还可以包括：

液晶显示屏幕，与所述类型采集设备连接，用于接收并实时显示所述类型采集设备输出的电视剧类型。

同时，为了克服上述不足，本发明还搭建了一种多层神经网络模型应用方法，所述方法包括使用一种如上述的多层神经网络模型应用平台，用于基于定制结构的多层神经网络实现对输入的每一个电视剧的类型的智能化判定。

另外，在本发明的所述多层神经网络模型应用平台中，所述串行通信接口。串行通讯接口简称串行口，也叫串行通信接口。接口是电脑与其它设备传送信息的一种标准接口。电脑至少有两个串行口COM1和COM2。

RS232接口就是串口，电脑机箱后方的9芯插座，旁边一般有"|O|O|"样标识。一般机箱有两个，新机箱有可能只有一个。笔记本电脑有可能没有。有很多工业仪器将它作为标准通信端口。通信的内容与格式一般附在仪器的用户说明书中。计算机与计算机或计算机与终端之间的数据传送可以采用串行通讯和并行通讯二种方式。由于串行通讯方式具有使用线路少、成本低，特别是在远程传输时，避免了多条线路特性的不一致而被广泛采用。在串行通讯时，要求通讯双方都采用一个标准接口，使不同的设备可以方便地连接起来进行通讯。

以上所述仅为本发明的优选实施例，凡依本发明权利要求所做的均等变化与修饰，都应属本发明的涵盖范围。