龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中山大学
摘要：本发明公开了一种频域引导增强的视频时刻检索方法与系统。输入视频数据并提取视觉特征和音频特征，进行单模态编码得到编码后的视频特征及音频特征；在频域空间利用用户查询文本特征对编码后的视频特征与音频特征进行引导，生成跨模态特征；利用文本特征与跨模态特征生成时刻对齐的查询特征；利用查询特征与跨模态特征解码生成用于视频时刻检索的特征序列；利用预测头对特征序列进行处理，并构造损失函数进行训练，输出视频时刻检索的结果。本发明采用频域引导的跨模态交互方法，在频域空间捕捉不同模态之间的共性；设计了一种新颖的显著性增强函数，不仅实现了跨模态融合，还具备轻量级特性，显著减少了模型参数量和计算复杂度。
主权项：1.一种频域引导增强的视频时刻检索方法，其特征在于，所述方法包括：输入视频数据集，使用训练好的特征提取器提取该视频数据集中视频的视觉特征和音频特征，得到视频特征序列V及音频特征序列A；对所述视频特征序列V及所述音频特征序列A进行单模态编码以分别在每个模态中增加全局上下文特征，并使用线性层映射到同一个空间，得到编码后的视频特征序列V′及编码后的音频特征序列A′；在频域空间利用用户查询文本的文本特征T对所述编码后的视频特征序列V′与所述编码后的音频特征序列A′进行引导，之后在频域空间捕捉模态间的共性并实现跨模态交互，融合视频、音频和文本特征并生成推理融合的跨模态特征O；将所述文本特征T与所述推理融合的跨模态特征O一同输入查询生成器，生成时刻对齐的查询特征Q；将所述查询特征Q与所述推理融合的跨模态特征O一同输入查询解码器进行解码，生成用于视频时刻检索的特征序列D；利用预测头对所述特征序列D进行处理，并构造损失函数进行训练，最终输出视频时刻检索的结果，即时刻窗口dp。
全文数据：
权利要求：
百度查询： 中山大学 一种频域引导增强的视频时刻检索方法与系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号