[发明专利]一种基于神经网络的多模态协同学习方法及装置有效
| 申请号： | 201810697764.9 | 申请日： | 2018-06-29 |
| 公开（公告）号： | CN108846375B | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 尉寅玮;王翔;宋雪萌;王英龙;聂礼强 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/02 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 杨哲 |
| 地址： | 250100 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了种一种基于神经网络的多模态协同学习方法及装置，该方法包括：S1抓取短视频数据建立短视频数据集，所述短视频数据包括用户历史发布的短视频及其附属信息；S2提取短视频数据集中短视频数据的多模态特征，并针对各个模态特征进行信息补足；S3依次将各个模态特征中任一模态特征作为主模态，其余作为辅模态，并计算主模态和辅模态的关系权重，分别进行同一性特征信息与补充性特征信息分类，将补充性特征信息和通过神经网络增强的同一性特征信息进行信息重组；S4建立关注机制网络，区分每一个重组后的模态特征信息对短视频所属场景分类的贡献程度，利用神经网络进行短视频场景分类。 | ||
| 搜索关键词： | 模态特征 神经网络 频数据 特征信息 补充性 多模态 同一性 辅模 视频 协同 抓取 特征信息分类 多模态特征 场景分类 附属信息 视频场景 视频数据 信息补足 信息重组 用户历史 模态 权重 主模 学习 分类 发布 网络 | ||
【主权项】：
1.一种基于神经网络的多模态协同学习方法，其特征在于，该方法包括：S1抓取短视频数据建立短视频数据集，所述短视频数据包括用户历史发布的短视频及其附属信息；S2提取短视频数据集中短视频数据的多模态特征，并针对各个模态特征进行信息补足；S3依次将各个模态特征中任一模态特征作为主模态，其余作为辅模态，并计算主模态和辅模态的关系权重，分别进行同一性特征信息与补充性特征信息分类，将补充性特征信息和通过神经网络增强的同一性特征信息进行信息重组；S4建立关注机制网络，区分每一个重组后的模态特征信息对短视频所属场景分类的贡献程度，利用神经网络进行短视频场景分类；所述关注机制网络包括各模态的关注度矩阵，所述关注度矩阵的列代表场景，行代表模态特征，所述关注度矩阵中的每个元素代表该模态特征对该场景分类的贡献程度。
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山东大学，未经山东大学许可，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/201810697764.9/，转载请声明来源钻瓜专利网。
