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

Inventor： 朱轶昇 ,  刘光灿

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

Inventor： 朱轶昇 ,  刘光灿

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

Inventor： 朱轶昇 ,  刘光灿

IPC: G06K9/00 ,  G06K9/62

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。