申请/专利权人：珠海澳大科技研究院;珠海华发实体产业研究院有限公司

申请日：2024-05-08

公开（公告）日：2024-07-02

公开（公告）号：CN118279803A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/80;G06N5/022;G06N3/042;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.19#实质审查的生效;2024.07.02#公开

摘要：本发明属于计算机视觉领域，公开了一种基于语义消歧结构化编码的视频描述方法。本发明提出通过引入知识图谱等先验知识来构造视频中对象之间的关系（概念语义图），以获得更深层次理解视频语义关系的结构化编码；在概念语义图的基础上，根据视频场景语义的指导，从同一对对象的多种关系中动态学习出最符合当前视频语境的关系来消除对象之间存在的语义歧义问题，以达到语义消歧的结构化编码；提出跨域指导关系学习策略，它通过解析得到描述语句中各对象及其关系来拟合模型中概念语义图的学习，以达到更好的学习视频中各对象及其之间关系。本发明方法可以实现更为准确、全面的视频描述。

主权项：1.一种基于语义消歧结构化编码的视频描述方法，包括如下步骤：S1构建概念语义图：利用知识图谱筛选出设定的视觉概念集及视觉概念之间的关系权值，分割出符合设定的子知识图谱；实例化子知识图谱，即为每个视频样本中的帧构建概念语义图，得到每个视频的概念语义图序列；S2构建基于语义消歧的概念语义图：在概念语义图的基础上，通过视频的场景语义信息去指导模型学习语义消歧对象之间的关系，让模型从每一对对象的多种关系中动态的学习得到符合当前语境的关系，从而获得语义消歧的概念语义图；S3基于概念语义图的图卷积网络学习：将概念语义图序列通过基于概念语义图的图卷积网络进行时序演变过程的学习，实现概念语义图的学习推理，得到视频帧结构化编码序列S4跨域指导关系学习：将人工标注的描述语句解析成表达对象及其关系的语句场景图，通过语句场景图来指导和约束概念语义图的学习；S5语言模型解码：将视频帧特征序列与结构化编码特征序列进行串联作为视频的视觉编码特征序列以补充帧的全局和动作信息；将视觉和音频特征分别输入到两个Transformer模型，并将得到的输出特征进行串联以生成描述语句。

全文数据：

权利要求：

百度查询： 珠海澳大科技研究院 珠海华发实体产业研究院有限公司 一种基于语义消歧结构化编码的视频描述方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD