-
公开(公告)号:CN111372123B
公开(公告)日:2022-08-09
申请号:CN202010138291.6
申请日:2020-03-03
Applicant: 南京信息工程大学
IPC: H04N21/44 , H04N21/845 , G06N3/04
Abstract: 本发明公开了一种基于从局部到全局的视频时序片段提取方法,该方法包括:1)特征提取;2)编码;3)提名特征预测;4)评估;本发明方法使模型能够在学习的过程中既关注到视频的局部信息,又关注到视频的全局信息,同时能够更关注到行为本身而非背景,从而准确的提取出视频中行为发生的片段。
-
公开(公告)号:CN111372123A
公开(公告)日:2020-07-03
申请号:CN202010138291.6
申请日:2020-03-03
Applicant: 南京信息工程大学
IPC: H04N21/44 , H04N21/845 , G06N3/04
Abstract: 本发明公开了一种基于从局部到全局的视频时序片段提取方法,该方法包括:1)特征提取;2)编码;3)提名特征预测;4)评估;本发明方法使模型能够在学习的过程中既关注到视频的局部信息,又关注到视频的全局信息,同时能够更关注到行为本身而非背景,从而准确的提取出视频中行为发生的片段。
-
公开(公告)号:CN109993077A
公开(公告)日:2019-07-09
申请号:CN201910202628.2
申请日:2019-03-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于双流网络的行为识别方法,属于机器视觉及行为识别领域,网络部分:对于一个输入视频,将其分成k个片段,对每个片段,将对应的经过处理后的图片得到对应的分类准确率,将所有的片段融合得到最终的分类准确率。网络训练部分:通过使用多尺度裁剪,颜色抖动,随机翻转等方法解决了训练数据少产生的过拟合问题。时间段网络通过从k个片段中学习视频的特征,关注到了视频的全局信息而非局部,与3维卷积网络方法相比,3维卷积网络虽然能关注全局的视频信息,但参数量巨大,时间段网络不管在参数量还是在计算量上都比3维卷积更小。时间段网络是传统两种方法的综合,既注重视频全局信息,又不会带来很大的参数和计算量。
-
-