-
公开(公告)号：CN110287799B
公开(公告)日：2021-03-19
申请号：CN201910451449.2
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的UCL语义标引方法与装置。首先利用神经网络提取视频低层语义特征；然后，基于特征灵活采样以及注意力机制，对视频自然语言描述生成模型S2VT进行改进，生成S2VT‑FFSA模型，此模型以视频低层语义特征作为输入，输出视频自然语言描述特征，并结合语音自然语言描述特征生成视频关键词等高层语义特征，一定程度上解决了语义特征提取不充分的问题；最后，利用UCL能够标引丰富语义特征的特点，提出视频内容的UCL标引方法，使视频标引更加规范化。本发明既能精确地抽取视频丰富的语义特征，又能客观、规范地标引这些特征。
-
公开(公告)号：CN109871464B
公开(公告)日：2020-12-25
申请号：CN201910042426.6
申请日：2019-01-17
Applicant: 东南大学
IPC: G06F16/732 , G06K9/00 , G06N3/04
Abstract: 本发明公开了一种基于UCL语义标引的视频推荐方法与装置。首先，本发明基于SSD神经网络模型，过滤最后一层生成的无用提案框，并且拼接中间层生成的人脸特征，对视频进行目标检测与人脸识别，提高视频信息提取的速度与精度。接着，采用UCL国家标准对视频进行语义标引，并基于检测目标的重合度，对视频进行自动分段，实现视频的规范化、细粒度标引。最后，构建知识库存储UCL之间的关系，并基于知识库提出两阶段智能化个性化推荐策略，解决传统推荐冷启动、运算复杂等问题，提高推荐系统的性能。本发明既能提高视频信息抽取的速度和精度，又能灵活、准确地进行视频个性化推荐。
-
公开(公告)号：CN109871464A
公开(公告)日：2019-06-11
申请号：CN201910042426.6
申请日：2019-01-17
Applicant: 东南大学
IPC: G06F16/732 , G06K9/00 , G06N3/04
Abstract: 本发明公开了一种基于UCL语义标引的视频推荐方法与装置。首先，本发明基于SSD神经网络模型，过滤最后一层生成的无用提案框，并且拼接中间层生成的人脸特征，对视频进行目标检测与人脸识别，提高视频信息提取的速度与精度。接着，采用UCL国家标准对视频进行语义标引，并基于检测目标的重合度，对视频进行自动分段，实现视频的规范化、细粒度标引。最后，构建知识库存储UCL之间的关系，并基于知识库提出两阶段智能化个性化推荐策略，解决传统推荐冷启动、运算复杂等问题，提高推荐系统的性能。本发明既能提高视频信息抽取的速度和精度，又能灵活、准确地进行视频个性化推荐。
-
公开(公告)号：CN110287799A
公开(公告)日：2019-09-27
申请号：CN201910451449.2
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的UCL语义标引方法与装置。首先利用神经网络提取视频低层语义特征；然后，基于特征灵活采样以及注意力机制，对视频自然语言描述生成模型SV2T进行改进，生成SV2T-FFSA模型，此模型以视频低层语义特征作为输入，输出视频自然语言描述特征，并结合语音自然语言描述特征生成视频关键词等高层语义特征，一定程度上解决了语义特征提取不充分的问题；最后，利用UCL能够标引丰富语义特征的特点，提出视频内容的UCL标引方法，使视频标引更加规范化。本发明既能精确地抽取视频丰富的语义特征，又能客观、规范地标引这些特征。
-
-
-
Search Results
4
records
(took 0.02 seconds)
