申请/专利权人:南京工业大学
申请日:2023-11-03
公开(公告)日:2024-04-02
公开(公告)号:CN117812438A
主分类号:H04N21/84
分类号:H04N21/84;H04N21/488;G06N3/0464;G06N3/0442;H04N21/44
优先权:
专利状态码:在审-公开
法律状态:2024.04.02#公开
摘要:本发明实例是涉及了机器学习领域,主要设计了一个视频生成标题的深度学习网络模型,该模型主要包含视觉编码器、字幕解码器和最后训练的评估方法,编码器采用了显著性对象提取特征和长短距离视频帧的特征融合的方法得到中间的主要视觉信息,解码器则采用了传统的双向LSTM进行句子当中下一个单词的预测,而训练采用两种方式,分别是播种阶段和增强阶段,本发明实例由于收集的是不同人工标注的句子,来自不同的人工标注标题可能存在偏差,在训练当中则采用了加权平均的方式求其损失函数,从而建立了该视频描述的模型框架得到最终的评估效果。
主权项:1.一种视频字幕生成的网络模型,其特征在于,包括:获取输入视频的视觉特征;将视频的视觉特征矩阵输入到网络模型当中,每个数据集当中的每一个视频都会生成对应的多个句子来表述视频信息,其中该模型主要由视觉编码器和解码器组成的;将输出的自然语言输入到评估算法中,得到评分结果,其中评分结果是通过匹配目标语句当中的词元和预测的自然语言得到最终的评分。
全文数据:
权利要求:
百度查询: 南京工业大学 一种基于DETR显著性目标的长短距离的视频描述的方法
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。