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！

摘要：本发明是一种两阶段的anchor‑based动态视频摘要方法。该方法包括1构建anchor‑based神经网络，神经网络包括提取网络、自注意力机制网络、两阶段网络即区域推荐网络和回归分类网络；2确定区域推荐网络和回归分类网络中anchor的种类和长度，完成正负样本的分类，对步骤1构建的anchor‑based神经网络进行训练，固定训练好的参数，得到两阶段的anchor‑based神经网络模型，用得到的神经网络模型进行动态视频摘要。本发明提出的全新网络结构可以并行处理所有的视频帧，从而减少了训练的时间，有效提升了最终输出的精确度，并且本网络结构相对简单，对于计算能力的要求不高。

主权项：1.一种两阶段的anchor-based动态视频摘要方法，其特征在于：所述方法包括如下步骤：1构建anchor-based神经网络，所述神经网络包括提取网络、自注意力机制网络、两阶段网络即区域推荐网络和回归分类网络；2确定所述区域推荐网络和回归分类网络中anchor的种类和长度，完成正负样本的分类，对步骤1构建的anchor-based神经网络进行训练，固定训练好的参数，得到两阶段的anchor-based神经网络模型；3用步骤2得到的神经网络模型进行动态视频摘要，其中：所述步骤2神经网络模型构建包括如下步骤：2.1分析训练集中标签片段的长度，通过K-means算法得出anchor的长度，用[L1，L2，L3，L4]分别表示这四种anchor的长度，其中，L1至L4依次递增；2.2将步骤2.1结果的最大值L4确定为此网络anchor的长度，保证此网络anchor的长度大于数据集中大多数标签片段的长度；2.3对于从视频中抽取的N帧，依次以每一帧为中心，以L4为长度，进行片段的截取，共产生N个片段，用S1表示这N个片段：S1＝{s1，s2...si...sN}其中，si表示截取产生的以第i帧为中心、L4为长度的片段，然后计算这些片段与标签片段的交集IOU的大小，若片段的IOU＞＝α，则将其标记为正样本，若片段的IOU＜α，则将其标记为负样本，保证正负样本的数量比例为3∶1；2.4回归分类网络采用的是多尺度的anchor机制，anchor的种类为4，长度分别为[L1，L2，L3，L4]；2.5对于从视频中抽取的N帧，依次以每一帧为中心，分别以L1，L2，L3，L4为长度，进行片段的截取，共产生4*N个片段，用S2表示这4*N个片段：S2＝{s11，s12...sij...sN4}其中，sij表示截取产生的以第i帧为中心，Lj为长度的片段，0＜i＜N+1，0＜j＜5，然后计算这些片段与标签片段的交集IOU的大小，若片段的IOU＞＝β，则将其标记为正样本，若片段的IOU＜β，则将其标记为负样本，保证正负样本的数量比例为3∶1；2.6利用步骤2.1至步骤2.5得到的正负样本，对步骤1构建的网络进行训练，固定训练好的参数，得到两阶段的anchor-based神经网络模型。

全文数据：

权利要求：

百度查询： 南京邮电大学 两阶段的anchor-based动态视频摘要方法