申请/专利权人：上海明略人工智能(集团)有限公司

申请日：2021-07-23

公开（公告）日：2024-04-16

公开（公告）号：CN113569703B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/774;G06N3/08;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.11.16#实质审查的生效;2021.10.29#公开

摘要：本申请公开了一种真实分割点判断方法、系统、存储介质及电子设备，真实分割点判断方法包括：视频特征维度获取步骤：将视频按照时间分成若干个视频等份，使用深度学习预训练模型对所述视频等份提取特征，获得视频特征；模型处理步骤：将所述视频特征输入到真实分割点判断模型进行处理获得每个候选分割点的分类概率；判断步骤:根据所述分类概率对所述候选分割点进行判断以确定场景真实分割点。本发明使用了全局一致性损失，降低相同场景的相似度，提高不同场景的相似度，能够得到非常好的表达，模型会逐渐收敛，而不会出现loss上升。

主权项：1.一种真实分割点判断方法，其特征在于，包括：视频特征维度获取步骤：将视频按照时间分成若干个视频等份，使用深度学习预训练模型对所述视频等份提取特征，获得视频特征；模型处理步骤：将所述视频特征输入到真实分割点判断模型进行处理获得每个候选分割点的分类概率；判断步骤:通过设置阈值对每个所述候选分割点的所述分类概率进行判断以确定所述候选分割点是否为场景真实分割点；所述模型处理步骤包括，样本视频等份获得步骤，将样本视频按照时间分成若干个样本视频等份，获得样本视频特征步骤，使用深度学习预训练模型对每个所述样本视频等份提取特征，获得所述视频的多个样本视频特征，构造候选分割点特征步骤，针对每个所述候选分割点取所述候选分割点所在视频等份的样本视频特征和上一个候选分割点之间的样本视频特征以及下一个候选分割点之间的样本视频特征，依次搭建Encoder网络和Predictor网络并设计损失函数后构建所述真实分割点判断模型，分类概率获得步骤，根据所述视频特征通过真实分割点判断模型获得每个所述候选分割点的所述分类概率，所述损失函数包括一致性正则化损失函数，具体为 其中：i，j分别为任意两个clip，cosineFiFj+为当i，j两个clip属于同一个场景时的余弦相似度，cosineFiFj□为当i，j两个clip不属于同一个场景时的余弦相似度，m为属于同一个场景的两个clip的对数，n为不属于同一个场景的两个clip的对数，gmask设置为，当某个点与groundtruth的距离小于等于1时认为是正例，反之为负例。

全文数据：

权利要求：

百度查询： 上海明略人工智能(集团)有限公司 真实分割点判断方法、系统、存储介质及电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD