[发明专利]一种基于注意力机制的深度特征融合视频拷贝检测方法有效
| 申请号： | 202010016290.4 | 申请日： | 2020-01-08 |
| 公开（公告）号： | CN111241338B | 公开（公告）日： | 2023-09-15 |
| 发明（设计）人： | 贾宇;沈宜;董文杰;张家亮;曹亮 | 申请（专利权）人： | 深圳市网联安瑞网络科技有限公司 |
| 主分类号： | G06F16/732 | 分类号： | G06F16/732;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06V10/42;G06V10/44 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 钱成岑 |
| 地址： | 518000 广东省深圳市福田区华富街道新田社区*** | 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： | 一种 基于 注意力 机制 深度 特征 融合 视频 拷贝 检测 方法 | ||
1.一种基于注意力机制的深度特征融合视频拷贝检测方法，其特征在于，包括如下步骤：
(1)数据输入：对于视频数据抽取帧图像，然后利用不同的尺度构造图像金字塔；
(2)模型构造：以深度卷积神经网络模型为基础网络，并在该深度卷积神经网络模型的中间卷积层中加入注意力机制；
(3)特征融合：将帧图像和图像金字塔输入加入注意力机制的深度卷积神经网络模型，并通过拼接融合得到融合特征；
(4)模型训练：利用度量学习的方式训练深度卷积神经网络模型；
(5)图像检索：利用训练好的深度卷积神经网络模型，并通过相似度计算得到源视频数据；
步骤(3)的方法为：
(3.1)图像金字塔通过加入注意力机制的深度卷积神经网络模型后得到深度的局部特征；
(3.2)帧图像通过加入注意力机制的深度卷积神经网络模型，抽取出中间卷积层的特征并利用池化层得到全局特征；
(3.3)将局部特征与全局特征进行拼接融合得到融合特征。
2.根据权利要求1所述的基于注意力机制的深度特征融合视频拷贝检测方法，其特征在于，步骤(5)的方法为：
(5.1)库视频帧图像融合特征入库；
(5.2)对于需要检索的视频数据经步骤(1)处理后输入训练好的深度卷积神经网络模型，获得该需要检索的视频数据的帧图像融合特征；
(5.3)将该需要检索的视频数据的帧图像融合特征与库视频帧图像融合特征进行相似度计算；
(5.4)通过对相似度计算结果排序得到源视频数据。
3.根据权利要求2所述的基于注意力机制的深度特征融合视频拷贝检测方法，其特征在于，所述相似度采用向量内积的方式计算。
4.根据权利要求1-3任一项所述的基于注意力机制的深度特征融合视频拷贝检测方法，其特征在于，所述帧图像为关键帧图像。
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网联安瑞网络科技有限公司，未经深圳市网联安瑞网络科技有限公司许可，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/202010016290.4/1.html，转载请声明来源钻瓜专利网。
