[发明专利]一种非监督视频语义提取方法有效
| 申请号： | 201810496579.3 | 申请日： | 2018-05-22 |
| 公开（公告）号： | CN108805036B | 公开（公告）日： | 2022-11-22 |
| 发明（设计）人： | 林劼;王芷若;马骏;崔建鹏;杜亚伟;钟德建 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610041 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种非监督视频语义提取方法，包括构建三维卷积神经网络模型，使用视频数据库中带标签视频数据集训练三维卷积神经网络模型；使用滑动窗口将视频数据库中不带标签视频数据处理成符合三维卷积神经网络输入的数据；使用该生成数据作为三维卷积神经网络模型的输入数据，取三维卷积神经网络模型全连接层的输出数据作为视频段的语义特征；使用该生成的视频段语义特征序列作为视频语义自编码器的输入，通过自编码器整合得到视频整体语义特征。本发明实施例通过结合三维卷积神经网络和循环自动编码器的方案，解决了非监督的视频语义分析与提取问题，提高了视频语义提取准确度。 | ||
| 搜索关键词： | 一种 监督 视频 语义 提取 方法 | ||
【主权项】：
1.一种新的非监督视频语义提取方法，其特征在于，包括以下步骤：S1：构建三维卷积神经网络模型，使用视频数据库中带标签的UCF‑101视频集训练三维卷积神经网络模型；S2：使用滑动窗口将视频数据库中不带标签视频数据处理成符合三维卷积神经网络输入的数据；S3：使用S2步骤生成数据作为三维卷积神经网络模型的输入数据，取三维卷积神经网络模型全连接层的输出数据作为视频段的语义特征；S4：使用S3步骤生成的视频段语义特征序列作为视频语义自编码器的输入，通过自编码器整合得到视频整体语义特征。
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电子科技大学，未经电子科技大学许可，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/201810496579.3/，转载请声明来源钻瓜专利网。
