[发明专利]一种基于深度学习的视频理解方法在审
| 申请号： | 201711053056.3 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN107909014A | 公开（公告）日： | 2018-04-13 |
| 发明（设计）人： | 苏育挺;刘瑶瑶;刘安安 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 杜文茹 |
| 地址： | 300192*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的视频理解方法1、通过训练获取基于LSTM网络的模型使用C3D算法取得图像特征；使用PCA算法进行降维处理，将特征向量的维数由4096降至128，并进行时域混叠和归一化，得到归一化后的特征向量；使用MSR‑VTT数据库在LSTM网络中进行训练，得到LSTM网络模型；2、通过基于LSTM网络的模型，得到待测视频图像序列的语句信息使用C3D算法取得待测视频图像序列的特征向量；使用PCA算法进行降维处理，并进行时域混叠和归一化，得到归一化后的特征向量；通过基于LSTM网络的模型，得到待测视频图像序列的输出的语句。本发明可以提高现有模型的准确率，原有模型可以基于新的数据进行进一步的优化。 | ||
| 搜索关键词： | 一种 基于 深度 学习 视频 理解 方法 | ||
【主权项】：
一种基于深度学习的视频理解方法，其特征在于，包括如下步骤：1)通过训练获取基于LSTM网络的模型，包括：(1)使用C3D算法取得图像特征；(2)使用PCA算法进行降维处理，将特征向量的维数由4096降至128，并进行时域混叠和归一化，得到归一化后的特征向量；(3)使用MSR‑VTT数据库在LSTM网络中进行训练，得到LSTM网络模型，具体是对每个视频图像序列x归一化后的特征向量，按视频图像序列x分组，将分组后的特征向量和MSR‑VTT数据库中对应的语句信息均输入LSTM网络，训练得到基于LSTM网络的模型；2)通过基于LSTM网络的模型，得到待测视频图像序列的语句信息，包括：(1)使用C3D算法取得待测视频图像序列的特征向量；(2)使用PCA算法进行降维处理，将特征向量的维数由4096降至128，并进行时域混叠和归一化，得到归一化后的特征向量；(3)通过基于LSTM网络的模型，得到待测视频图像序列的输出的语句。
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天津大学，未经天津大学许可，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/patent/201711053056.3/，转载请声明来源钻瓜专利网。
- 上一篇：宠物喂食的方法、装置以及宠物喂食机
- 下一篇：一种热塑性摩擦连接器
