申请/专利权人:南京工业大学
申请日:2023-12-15
公开(公告)日:2024-06-11
公开(公告)号:CN118172692A
主分类号:G06V20/40
分类号:G06V20/40;G06V20/70;G06V10/82;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.25#实质审查的生效;2024.06.11#公开
摘要:本发明公布了一种基于深度学习的视频分段时空一致语义标注方法,对未标记视频中的多个事件进行检测和描述。对于给定的输入视频,能够给出语义一致的带有文本标记的视频序列,其中包括分段视频对应的事件语义概括用文字和事件相关的时间戳表示。利用带有时间标记的文本标记构建输出事件序列,用视觉编码器编码输入视频帧序列;用文本编码器编码视频伴随音频序列;通过文本解码器联合视频和伴随语音,预测视频中语义完整的事件边界和语义符合的视频分段语义的总结性文本标题。
主权项:1.一种基于深度学习的视频分段时空一致语义标注方法,其特征在于包括以下步骤:步骤1:利用带有时间标记的文本标记器构建视频事件序列o;步骤2:用视觉编码器编码输入视频帧序列m,获取视觉特征;步骤3:用文本编码器编码视频伴随音频序列n,获取文本特征;步骤4:文本解码器以联合关注视频和伴随语音的方式,预测视频中语义完整的事件边界和符合视频片段语义的总结性标题。
全文数据:
权利要求:
百度查询: 南京工业大学 一种基于深度学习的视频分段时空一致语义标注方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。