[发明专利]一种基于多模态融合的视频描述文本生成方法在审
| 申请号： | 202010876825.5 | 申请日： | 2020-08-27 |
| 公开（公告）号： | CN112069361A | 公开（公告）日： | 2020-12-11 |
| 发明（设计）人： | 刘辉 | 申请（专利权）人： | 新华智云科技有限公司 |
| 主分类号： | G06F16/78 | 分类号： | G06F16/78 |
| 代理公司： | 杭州裕阳联合专利代理有限公司 33289 | 代理人： | 田金霞 |
| 地址： | 310012 浙江省杭州市*** | 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： | 本发明提供一种基于多模态融合的视频描述文本生成方法，包括：获取待描述视频，待描述视频包括视频帧，待描述视频设置有对应的视频描述语句；获取视频描述语句的文本主题信息，给每个文本主题信息设置文本主题信息编码；分别获取待描述视频的动态时域信息编码、静态信息编码和音频特征向量编码；将所述待描述视频的所述动态时域信息编码、所述静态信息编码和所述音频特征向量编码进行融合处理，以得到融合结果；将融合结果和文本主题信息编码输入至第一循环神经网络中进行迭代处理，确定待描述视频的视频内容描述文本。本发明的有益效果在于：实现在视频、音频、文本多种模态融合的基础上生成视频的自然语言描述，提高生成的准确率和鲁棒性。 | ||
| 搜索关键词： | 一种 基于 多模态 融合 视频 描述 文本 生成 方法 | ||
【主权项】：
暂无信息
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新华智云科技有限公司，未经新华智云科技有限公司许可，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/202010876825.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种新型机车散热器清洗装置及方法
- 下一篇：生物可降解树脂包装膜及制备方法
