[发明专利]基于卷积神经网络的网络教学方法以及装置有效

专利信息
申请号: 201810447977.6 申请日: 2018-05-11
公开(公告)号: CN108665769B 公开(公告)日: 2021-04-06
发明(设计)人: 陈铿帆;刘善果;刘胜强 申请(专利权)人: 深圳市鹰硕技术有限公司
主分类号: G09B19/00 分类号: G09B19/00;G06N3/04
代理公司: 深圳余梅专利代理事务所(特殊普通合伙) 44519 代理人: 井杰;高真辉
地址: 518100 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 卷积 神经网络 网络 教学方法 以及 装置
【权利要求书】:

1.一种基于卷积神经网络的网络教学方法,其特征在于,包括:

分帧图像生成步骤,用于分析网络教学视频信号,生成特征分帧图像;

高频内容检测步骤,通过卷积神经网络算法的多个卷积层对所述特征分帧图像进行高频内容检测,确定满足预设频次条件的多个候选高频内容区域;基于视觉感受由特征分帧图像生成感受野,所述感受野为包含部分特征分帧图像区域的卷积层;对所述感受野与所述特征分帧图像进行卷积运算,得到多个候选高频内容区域;

池化层处理步骤,通过卷积神经网络算法的池化层处理所述多个候选高频内容区域,得到重点内容区域及重点内容区域在特征分帧图像中的位置;当存在多个重点内容区域时,根据平均池化计算得出的主要特征值,对重点内容区域进行重要度排序;

重点视频信号生成步骤,根据重点内容区域在图像中的位置,生成包含高频内容的重点网络教学视频信号,调用终端设备的显示接口显示输出所述重点网络教学视频信号。

2.如权利要求1所述的方法,其特征在于,所述池化层处理步骤,包括:

将多个候选高频内容区域分成多个大小相同的子区域;

对每个子区域进行平均池化计算;

当根据平均池化计算结果确定所述候选高频内容区域包含高频内容时,将所述候选高频内容区域确定为重点内容区域,并确定所述重点内容区域在特征分帧图像中的位置。

3.如权利要求2所述的方法,其特征在于,所述确定重点内容区域在特征分帧图像中的位置,包括:

分析重点内容图像灰度分布梯度,根据所述灰度分布梯度进行重点内容图像边际识别;

根据重点内容图像边际确定重点内容显示区域;

在所述特征分帧图像中查找确定所述重点内容显示区域。

4.如权利要求1所述的方法,其特征在于,所述方法还包括:

在网络教学视频信号与重点网络教学视频信号的输出页面中设置切换按钮;

当接收到用户通过触发所述切换按钮发送的切换指令后,将终端设备当前显示输出的重点网络教学视频信号或显示网络教学视频信号切换为显示网络教学视频信号或重点网络教学视频信号。

5.如权利要求1所述的方法,其特征在于,所述方法还包括:

当检测到所述终端设备具有关联设备时,获取终端设备以及关联设备的设备优先级;

按照所述设备优先级以及用户指令显示网络教学视频信号与重点网络教学视频信号。

6.如权利要求1所述的方法,其特征在于,所述特征分帧图像为切换帧。

7.一种基于卷积神经网络的网络教学装置,其特征在于,所述装置包括:

分帧图像生成模块,用于分析网络教学视频信号,生成特征分帧图像;

高频内容检测模块,用于通过卷积神经网络算法的多个卷积层对所述特征分帧图像进行高频内容检测,确定满足预设频次条件的多个候选高频内容区域;基于视觉感受由特征分帧图像生成感受野,所述感受野为包含部分特征分帧图像区域的卷积层;对所述感受野与所述特征分帧图像进行卷积运算,得到多个候选高频内容区域;

池化层处理模块,用于通过卷积神经网络算法的池化层处理所述多个候选高频内容区域,得到重点内容区域及重点内容区域在特征分帧图像中的位置;当存在多个重点内容区域时,根据平均池化计算得出的主要特征值,对重点内容区域进行重要度排序;

重点视频信号生成模块,用于根据重点内容区域在图像中的位置,生成包含高频内容的重点网络教学视频信号,调用终端设备的显示接口显示输出所述重点网络教学视频信号。

8.一种电子设备,其特征在于,包括:

处理器;以及

存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至6中任一项所述方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市鹰硕技术有限公司,未经深圳市鹰硕技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810447977.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top