[发明专利]一种基于深度学习的视频分类方法以及设备有效
申请号: | 201910133098.0 | 申请日: | 2019-02-22 |
公开(公告)号: | CN110032926B | 公开(公告)日: | 2021-05-11 |
发明(设计)人: | 徐勇;李钊颖;罗闻 | 申请(专利权)人: | 哈尔滨工业大学(深圳) |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04 |
代理公司: | 深圳市道勤知酷知识产权代理事务所(普通合伙) 44439 | 代理人: | 何兵;饶盛添 |
地址: | 518000 广东省深圳市南*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于深度学习的视频分类方法以及设备。其中,所述方法包括:获取视频的数据集及其类别标签,和将该获取的视频均分N段,训练阶段每段视频随机选择M帧,将视频帧堆叠为多通道图像,和通过卷积神经网络,提取该分为N段后的视频的视频空间加权特征,和通过卷积神经网络,提取该分为N段后的视频的视频时间加权特征,和获得该分为N段后的视频的视频多尺度特征,和融合该N段视频特征计算预测得分,得到最终视频分类,和存储该训练好的视频分类模型,应用该训练好的视频分类模型,对测试视频进行分类。通过上述方式,能够实现提高视频特征提取的效果和准确度。 | ||
搜索关键词: | 一种 基于 深度 学习 视频 分类 方法 以及 设备 | ||
【主权项】:
1.一种基于深度学习的视频分类方法,其特征在于,包括:获取视频的数据集及其类别标签;将所述获取的视频均分N段,训练阶段每段视频随机选择M帧,将视频帧堆叠为多通道图像;通过卷积神经网络,提取所述分为N段后的视频的视频空间加权特征;通过卷积神经网络,提取所述分为N段后的视频的视频时间加权特征;获得所述分为N段后的视频的视频多尺度特征;融合所述N段视频特征计算预测得分,得到最终视频分类;存储所述的训练好的视频分类模型,应用所述训练好的视频分类模型,对测试视频进行分类。
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哈尔滨工业大学(深圳),未经哈尔滨工业大学(深圳)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/201910133098.0/,转载请声明来源钻瓜专利网。