买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜兰州理工大学申请的专利一种基于Vision Transformer和强化学习的视频内容描述方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115249275B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111332783.X，技术领域涉及：G06T9/00；该发明授权一种基于Vision Transformer和强化学习的视频内容描述方法是由赵宏;陈志文;王枭;宋馥荣;田伟权;米珊;韩力毅;党育;赵凡;倪志敏设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本一种基于Vision Transformer和强化学习的视频内容描述方法在说明书摘要公布了：本发明公开了一种基于VisionTransformer和强化学习的视频内容描述方法，包括步骤：视频数据分割，利用FFMPEG将视频随机切割为多个视频帧；特征提取，使用ResNet‑152网络和ResNeXt‑101网络提取视频帧的静态特征和动态特征，并统一所述静态特征和动态特征的特征维度；特征编码，利用VisionTransformer模型的编码器对所述静态特征和动态特征进行特征编码；特征解码，利用多层LSTM网络对编码后的静态特征和动态特征进行解码；强化学习优化；和生成视频内容描述。本发明克服了在编码阶段极易丢失大量中间隐藏信息，导致描述准确率低的问题，有效地提高视频描述的准确率，同时，本发明所生成的视频内容描述具有逻辑性强、可读性高的优点。

本发明授权一种基于Vision Transformer和强化学习的视频内容描述方法在权利要求书中公布了：1.一种基于VisionTransformer和强化学习的视频内容描述方法，其特征在于，包括步骤S1：视频数据分割，利用FFMPEG将视频随机切割为多个视频帧；S2：特征提取，使用ResNet-152网络和ResNeXt-101网络提取视频帧的静态特征和动态特征，并统一所述静态特征和动态特征的特征维度；S3：特征编码，利用VisionTransformer模型的编码器对所述静态特征和动态特征进行特征编码；S4：特征解码，利用多层LSTM网络对编码后的静态特征和动态特征进行解码；S5：强化学习优化，包括步骤S51：当步骤S4生成结束标识符END时，使用PolicyGradient强化学习算法，根据生成的描述与真实描述来计算CIDEr值，并将公式1计算的结果作为奖励值反馈至步骤S3中的编码器， 其中，c为候选标题，s为参考标题集合，n为n-gram的值，M为参考描述的数量，gn·表示基于n-gram的TF-IDF值；S52：根据奖励值计算最小损失值Lθ，优化所述VisionTransformer模型，最小损失值计算如公式2所示， 其中，ωs为VisionTransformer模型采样得到的单词序列，r为奖励函数，pθ为策略函数，θ为VisionTransformer模型参数；S53：重复步骤S3和S4，直到VisionTransformer模型达到饱和状态；S6：生成视频内容描述。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兰州理工大学，其通讯地址为：730050 甘肃省兰州市七里河区兰工坪287号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。