申请/专利权人:天津大学
申请日:2024-01-12
公开(公告)日:2024-04-12
公开(公告)号:CN117876929A
主分类号:G06V20/40
分类号:G06V20/40;G06V20/70;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种渐进式多尺度上下文学习的时序目标定位方法,包括:基于预训练网络获取视频特征和文本特征;将所述视频特征和所述文本特征进行跨模态特征融合得到富含文本语义信息的视频特征;基于Transformer算法和卷积神经网络构建双分支的渐进式多尺度上下文学习模块对所述富含文本语义信息的视频特征进行学习得到最终输出特征;随机初始化若干时刻查询,将若干所述时刻查询与所述最终输出特征共同输入到解码器后得到最终目标定位结果。本发明通过两支路的同时使用有利于时序特征更充分的上下文建模,有效提高时序目标定位精度。
主权项:1.一种渐进式多尺度上下文学习的时序目标定位方法,其特征在于,包括:基于预训练网络获取视频特征和文本特征;将所述视频特征和所述文本特征进行跨模态特征融合得到富含文本语义信息的视频特征;基于Transformer算法和卷积神经网络构建双分支的渐进式多尺度上下文学习模块对所述富含文本语义信息的视频特征进行学习得到最终输出特征;随机初始化若干时刻查询,将若干所述时刻查询与所述最终输出特征共同输入到解码器后得到最终目标定位结果。
全文数据:
权利要求:
百度查询: 天津大学 一种渐进式多尺度上下文学习的时序目标定位方法
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。