公开(公告)号：CN113283282B

公开(公告)日：2024-05-28

申请号：CN202110262515.9

申请日：2021-03-10

Applicant: 北京工业大学

Inventor： 孔德慧 ,  许梦文 ,  王少帆 ,  李敬华 ,  王立春

IPC: G06V20/40 ,  G06V10/774

Abstract: 一种基于时域语义特征的弱监督时序动作检测方法属于计算机视觉视频领域，弱监督时序动作检测任务是在仅依靠视频级别标签的情况下，对未修剪的长视频中的每一段动作进行时序上的定位和分类。目前的方法还是将时序动作检测任务视为动作识别的变体任务，他们着重在模型的特征提取、提名生成、分类器训练等方面做研究，却忽视了该任务视频本身的时域语义特征。本发明首先归纳了长视频时域语义特征：动作片段在时序上的稀疏性、相邻片段之间的语义特征具有相似性而距离较远的片段间语义特征具有差异性等，并基于此设计一种新的网络模型来提升视频分类和时序定位的精度。本发明性能超过了目前的先进方法。

公开(公告)号：CN113283282A

公开(公告)日：2021-08-20

申请号：CN202110262515.9

申请日：2021-03-10

Applicant: 北京工业大学

Inventor： 孔德慧 ,  许梦文 ,  王少帆 ,  李敬华 ,  王立春

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于时域语义特征的弱监督时序动作检测方法属于计算机视觉视频领域，弱监督时序动作检测任务是在仅依靠视频级别标签的情况下，对未修剪的长视频中的每一段动作进行时序上的定位和分类。目前的方法还是将时序动作检测任务视为动作识别的变体任务，他们着重在模型的特征提取、提名生成、分类器训练等方面做研究，却忽视了该任务视频本身的时域语义特征。本发明首先归纳了长视频时域语义特征：动作片段在时序上的稀疏性、相邻片段之间的语义特征具有相似性而距离较远的片段间语义特征具有差异性等，并基于此设计一种新的网络模型来提升视频分类和时序定位的精度。本发明性能超过了目前的先进方法。