standard library
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211174007.6 (22)申请日 2022.09.26 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 常发亮 李敏 刘春生 王彬 常致富 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 黄海丽 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 基于多模态交互和时间语义聚合的视频描 述方法及系统 (57)摘要 本发明公开了基于多模态交互和时间语义 聚合的视频描述方法及系统; 其中所述方法, 包 括: 获取待描述的视频; 从待描述视频中提取多 模态特征; 所述多模态特征, 包括: 外观特征、 运 动特征和对象特征; 从多模态特征中提取语义特 征; 将提取的多模态特征和语义特征, 均输入到 训练后的视频描述网络中, 输出视频的自然语言 描述结果; 所述训练后的视频描述网络是基于多 模态信息交互和时间语义聚合的视频描述网络; 其中, 训练后的视频描述网络, 其工作原理包括: 采用多模态交互模块, 将运动特征和对象特征分 别集成到外观特征中, 形成多模态交互特征; 采 用带有时间语义聚合的层级解码器, 对语义特征 和多模态交互特征进行处理, 生成视频描述语 言。 权利要求书2页 说明书10页 附图3页 CN 115512265 A 2022.12.23 CN 115512265 A 1.基于多模态交 互和时间语义聚合的视频描述方法, 其特 征是, 包括: 获取待描述的视频; 从待描述视频中提取多模态特征; 所述多模态特征, 包括: 外观特征、 运动特征和对象 特征; 从多模态特 征中提取语义特 征; 将提取的多模态特征和语义特征, 均输入到训练后的视频描述网络中, 输出视频的自 然语言描述结果; 所述训练后的视频描述网络是基于多模态信息交互和时间语义聚合的视 频描述网络; 其中, 训练后的视频描述网络, 其工作原理包括: 采用多模态交互模块, 将运动特征和 对象特征分别集成到外观特征中, 形成多模态交互特征; 采用带有时间语义聚合的层级解 码器, 对语义特 征和多模态交 互特征进行处 理, 生成视频描述语言。 2.如权利要求1所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 从 待描述视频中提取多模态特 征, 具体包括: 通过二维卷积神经网络, 提取待 描述视频的外观特 征; 通过三维卷积神经网络, 提取待 描述视频的运动特 征; 通过区域卷积神经网络, 提取待 描述视频的对象特 征。 3.如权利要求1所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 从 多模态特 征中提取语义特 征, 具体包括: 采用训练后的语义检测器, 从多模态特 征中提取语义特 征; 训练后的语义检测器, 具体训练过程包括: 构建第一训练集和第 一验证集; 所述第 一训练集和第 一验证集均为已知语义标签的视 频外观特 征和运动特 征; 将每个语义标签对应的视频外观特征和运动特征进行串联拼接, 将拼接后的结果输入 到语义检测器中, 对语义检测 器进行训练, 当训练达到设定次数时, 停止训练, 采用第一验 证集对语义检测器的检测精度进 行验证, 当检测精度超过设定阈值时, 停止训练, 得到训练 后的语义检测器, 否则, 更 换第一训练集的数据, 重新进行训练。 4.如权利要求1所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 所 述训练后的视频描述网络, 其网络结构包括: 相互连接的多模态交 互模块和带有时间语义聚合的层级解码器; 所述多模态交互模块, 将外观特征与运动特征的交互特征, 和外观特征与对象特征的 交互特征, 进行相加, 得到多模态交 互特征。 5.如权利要求4所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 所 述外观特 征与运动特 征的交互特征, 获取过程包括: 第一LSTM网络的输入值为外观特征, 第一LSTM网络的输出值为高级外观特征; 第二 LSTM网络的输入值 为运动特征, 第二LSTM网络的输出值 为高级运动特 征; 将高级外观特 征依次通过全连接层和映射 函数层的处 理, 得到第一映射 值; 将高级运动特 征依次通过全连接层和映射 函数层的处 理, 得到第二映射 值; 将第一映射 值和第二映射 值通过乘法器的处 理, 得到第一相关性矩阵; 将第一相关性矩阵输入到softmax激活函数层, 得到第一归一 化矩阵;权 利 要 求 书 1/2 页 2 CN 115512265 A 2将第二映射值的第 一转置结果与第 一归一化矩阵进行相乘, 对相乘结果再进行转置得 到第二转置结果, 将第二转置结果与高级外观特征进行求和, 得到外观特征与运动特征 的 交互特征。 6.如权利要求5所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 所 述外观特 征与对象特 征的交互特征, 获取过程包括: 将对象特 征依次通过全连接层和映射 函数层的处 理, 得到第三映射 值; 将第一映射 值和第三映射 值通过乘法器的处 理, 得到第二相关性矩阵; 将第二相关性矩阵输入到softmax激活函数层, 得到第二归一 化矩阵; 将第三映射值的第 三转置结果与第 二归一化矩阵进行相乘, 对相乘结果再进行转置得 到第四转置结果, 将第四转置结果与高级外观特征进行求和, 得到外观特征与对 象特征的 交互特征。 7.如权利要求4所述的基于多模态 交互和时间语义 聚合的视频描述方法, 其特征是, 所 述带有时间语义聚合的层级解码器, 其网络结构包括: 依次连接 的词嵌入层、 注意力LSTM网络、 视觉时间语义聚合层、 语言LSTM网络、 语言时 间语义聚合层、 Softmax激活函数层; 注意力LSTM网络的输入端与平均池化层的输出端连接, 平均池化层的输入端用于输入 多模态交互特征; 视觉时间语义聚合层的输入端用于输入多模态交互特征和语义特征; 语 言时间语义聚合层的输入端用于 输入语义特 征; 注意力LSTM网络的输出端还与语言LSTM网络的输入端连接 。 8.基于多模态交 互和时间语义聚合的视频描述系统, 其特 征是, 包括: 获取模块, 其被 配置为: 获取待 描述的视频; 多模态特征提取模块, 其被配置为: 从待描述视频中提取多模态特征; 所述多模态特 征, 包括: 外观特 征、 运动特 征和对象特 征; 语义特征提取模块, 其被 配置为: 从多模态特 征中提取语义特 征; 视频描述模块, 其被配置为: 将提取的多模态特征和语义特征, 均输入到训练后的视频 描述网络中, 输出视频的自然语言描述结果; 所述训练后的视频描述网络是基于多模态信 息交互和时间语义聚合的视频描述网络; 其中, 训练后的视频描述网络, 其工作原理包括: 采用多模态交互模块, 将运动特征和 对象特征分别集成到外观特征中, 形成多模态交互特征; 采用带有时间语义聚合的层级解 码器, 对语义特 征和多模态交 互特征进行处 理, 生成视频描述语言。 9.一种电子设备, 其特 征是, 包括: 存储器, 用于非暂时性存 储计算机可读指令; 以及 处理器, 用于运行 所述计算机可读指令, 其中, 所述计算机可读指令被所述处理器运行时, 执行上述权利要求1 ‑7任一项所述的 方法。 10.一种存储介质, 其特征是, 非暂时性地存储计算机可读指令, 其中, 当所述非暂时性 计算机可读指令由计算机执 行时, 执行权利要求1 ‑7任一项所述方法的指令 。权 利 要 求 书 2/2 页 3 CN 115512265 A 3
专利 基于多模态交互和时间语义聚合的视频描述方法及系统
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-24 00:58:47
上传分享
举报
下载
原文档
(870.5 KB)
分享
友情链接
GB-T 29243-2012 信息安全技术 数字证书代理认证路径构造和代理验证规范.pdf
GB-T 42569-2023 工业互联网平台 开放应用编程接口功能要求.pdf
奇安信 2021工业互联网安全发展与实践分析报告.pdf
tc260 网络安全标准实践指南 信息系统灾难备份实践指引 2022.pdf
SY-T 6246-2022 可控震源使用技术规范.pdf
ISO TS 44006 2023 Collaborative business relationship management — Guidelines for.pdf
DB43-T 1997-2021 数字化电能计量装置整体误差检测技术规范 湖南省.pdf
DB52-T 1558-2021 大数据安全服务人员能力评价 贵州省.pdf
DB43-T 1835-2020 智能轨道快运系统设计规范 湖南省.pdf
GB-T 31960.7-2015 电力能效监测系统技术规范 第7部分:电力能效监测终端技术条件.pdf
T-CSAE 75.2—2021 汽车防锈包装规程 第2部分:动力总成及其主要零部件.pdf
DB32-T 4529-2023 医疗机构病媒生物防制技术操作规程 江苏省.pdf
T-QGCML 106—2021 生物基热拌用高性能沥青再生剂.pdf
GB-T 43334-2023 独立型微电网能量管理系统技术要求.pdf
信通院 开源软件知识产权风险防控研 究报告-2019.pdf
T-HBCIA 001—2022 邢台酸枣仁.pdf
GB-T 34503-2017 钨管.pdf
中国移动 5g r17、r18技术解读.pdf
GB-T 25147-2010 工业设备化学清洗中金属腐蚀率及腐蚀总量的测试方法 重量法.pdf
GB-T 30428.5-2017 数字化城市管理信息系统 第5部分:监管信息采集设备.pdf
1
/
16
评价文档
赞助2.5元 点击下载(870.5 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。