[发明专利]利用对抗双向交互网络解决视频时间文本定位任务的方法有效
| 申请号： | 201910093894.6 | 申请日： | 2019-01-30 |
| 公开（公告）号： | CN109815927B | 公开（公告）日： | 2021-04-23 |
| 发明（设计）人： | 赵洲;成瑀 | 申请（专利权）人： | 杭州一知智能科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 无锡市汇诚永信专利代理事务所(普通合伙) 32260 | 代理人： | 王闯 |
| 地址： | 311200 浙江省杭州市萧山*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种利用对抗双向交互网络解决视频时间文本定位任务的方法，主要包括如下步骤：1)设计一种对抗双向交互网络模型完成对于视频片段的定位及定位结果的判别。2)训练得到最终的对抗双向交互网络模型，利用该模型定位出与文本描述相关的视频片段。相比于一般的视频时间文本定位解决方案，本发明利用了对抗双向交互网络，能够更好地定位出与文本描述相关的视频片段。本发明在视频时间文本定位任务中所取得的效果相比于传统的方法更好。 | ||
| 搜索关键词： | 利用 对抗 双向 交互 网络 解决 视频 时间 文本 定位 任务 方法 | ||
【主权项】：
1.利用对抗双向交互网络解决视频时间文本定位任务的方法，用于解决视频时间文本定位任务，其中视频时间文本定位任务包括用户输入的文本描述，由帧图像组成的视频，其特征在于包括如下步骤：1)设计一种双向交互网络，基于视频的每个帧图像和输入的文本描述，获取与文本相关的视频帧级别的相关度分布及整个相关程度分布中具有最大联合相关程度的视频目标片段；2)利用步骤1)中获取的与文本相关的视频帧级别的相关程度分布及整个相关程度分布中具有最大联合相关程度的视频目标片段，设计一种辅助判别网络，验证步骤1)获取的与文本相关的视频目标片段的准确性，并利用对抗训练过程提高视频时间文本定位的效果；3)利用步骤1)设计的双向交互网络与步骤2)设计的辅助判别网络，进行训练，利用训练出的双向交互网络及辅助判别网络获取与文本描述相关的视频片段。
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杭州一知智能科技有限公司，未经杭州一知智能科技有限公司许可，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/patent/201910093894.6/，转载请声明来源钻瓜专利网。
