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！

龙图腾网恭喜乐知未来科技(深圳)有限公司申请的专利一种基于深度学习的短视频去重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：CN114973098B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210663392.4，技术领域涉及：G06V20/40；该发明授权一种基于深度学习的短视频去重方法是由刘怀亮;傅子强;赵舰波;杨斌设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种基于深度学习的短视频去重方法在说明书摘要公布了：本发明公开了一种基于深度学习的短视频去重方法，包括：对待比较的目标视频和询问视频进行预处理，分别获得所述目标视频和所述询问视频的张量表示；利用预训练的神经网络分别获得所述目标视频和所述询问视频的时空特征向量；构造进行视频特征相似度判别的神经网络模型并对所述神经网络模型进行训练；将所述目标视频和所述询问视频的时空特征向量输入经训练的神经网络模型中获得所述目标视频和所述询问视频的相似度值；利用所述相似度值判断是否删除所述目标视频和所述询问视频。本发明针对短视频去重、存储和管理的情形运用视频理解的算法计算视频重复度，解决了针对视频内容重复的短视频检测问题，收敛快，效率高。

本发明授权一种基于深度学习的短视频去重方法在权利要求书中公布了：1.一种基于深度学习的短视频去重方法，其特征在于，包括：对待比较的目标视频和询问视频进行预处理，分别获得所述目标视频和所述询问视频的张量表示；利用预训练的神经网络分别获得所述目标视频和所述询问视频的时空特征向量；构造进行视频特征相似度判别的神经网络模型并对所述神经网络模型进行训练，所述神经网络模型包括权重层、融合模块以及2D卷积神经网络模块，其中，所述权重层用于对所述目标视频和所述询问视频的时空特征向量分别进行加权，分别获得所述目标视频和所述询问视频的加权后时空特征向量，所述融合模块用于对所述目标视频和所述询问视频的加权后时空特征向量进行特征融合，获得融合后时空特征向量；所述2D卷积神经网络模块用于根据所述融合后时空特征向量获得所述目标视频和所述询问视频的相似度值；将所述目标视频和所述询问视频的时空特征向量输入经训练的神经网络模型中获得所述目标视频和所述询问视频的相似度值；利用所述相似度值判断是否删除所述目标视频和所述询问视频，其中，利用预训练的神经网络分别获得所述目标视频和所述询问视频的时空特征向量，包括：将所述目标视频或询问视频中的预处理后的多帧图像分别输入预训练的VisionTransformer网络中得到每张图像的空间特征向量，随后将所述空间特征向量融合位置编码输入预训练Videotransformer网络的时序特征编码器中，得到所述目标视频或所述询问视频的时空特征向量；对所述神经网络模型进行训练，包括：构建训练数据集，其中，所述训练数据集包括多个视频三元组，每个视频三元组包括锚点视频、与锚点视频内容相似的正视频以及与锚点视频内容不相似的负视频；对所述视频三元组中的每个视频进行预处理，获得预处理后每个视频的张量表示；利用预训练的神经网络分别获得所述锚点视频、所述正视频和所述负视频的时空特征向量；对所述锚点视频、所述正视频和所述负视频的时空特征向量分别进行加权，获得所述锚点视频、所述正视频和所述负视频的加权后时空特征向量；对所述锚点视频和所述正视频的加权后时空特征向量进行融合，获得第一联合矩阵，对所述锚点视频和所述负视频的加权后时空特征向量进行融合，获得第二联合矩阵；将所述第一联合矩阵输入所述2D卷积神经网络中获得所述锚点视频和所述正视频的相似度值，将所述第二联合矩阵输入所述2D卷积神经网络中获得所述锚点视频和所述负视频的相似度值，并利用损失函数L＝Sima,n-Sima,p更新所述权重层和所述2D卷积神经网络模块的参数，其中，Sima,n表示锚点视频与负视频的相似度值，Sima,p表示锚点视频与正视频的相似度值；利用所述训练数据集中的视频三元组对所述权重层和所述2D卷积神经网络模块进行迭代训练和更新，获得训练后的神经网络模型。

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乐知未来科技(深圳)有限公司，其通讯地址为：518129 广东省深圳市龙岗区坂田街道社区黄军山综合楼801-826；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”。