公开(公告)号：CN113743188B

公开(公告)日：2024-02-09

申请号：CN202110720384.4

申请日：2021-06-28

Applicant: 杭州电子科技大学

Inventor： 徐然 ,  林欣楠 ,  袁程鹏 ,  秦飞巍

IPC: G06V20/40 ,  G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征融合的互联网视频低俗行为检测方法。本发明步骤：1：构建一个用于低俗不良动作检测的五分类视频数据集；同时对数据集中各个类别的样本视频数据进行统计；2：对五分类视频数据集进行数据预处理和人工序列化类型标注；3：构建对动作长度敏感的感受野自适应U型时序卷积网络AU‑TCN，包括时序卷积神经网络、时序注意力卷积模块和多尺度时域特征融合结构；4：将构建好的网络模型运用于数据集进行训练测试，以验证网络模型的准确率指标；5：使用训练后的模型对各类数据集进行实验结果可视化，以图片的形式展现出视频分割结果。本发明联合学习视频的局部关键特征，智能的对海量移动互联网视频进行识别并对低俗内容进行过滤。

公开(公告)号：CN113743188A

公开(公告)日：2021-12-03

申请号：CN202110720384.4

申请日：2021-06-28

Applicant: 杭州电子科技大学

Inventor： 徐然 ,  林欣楠 ,  袁程鹏 ,  秦飞巍

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征融合的互联网视频低俗行为检测方法。本发明步骤：1：构建一个用于低俗不良动作检测的五分类视频数据集；同时对数据集中各个类别的样本视频数据进行统计；2：对五分类视频数据集进行数据预处理和人工序列化类型标注；3：构建对动作长度敏感的感受野自适应U型时序卷积网络AU‑TCN，包括时序卷积神经网络、时序注意力卷积模块和多尺度时域特征融合结构；4：将构建好的网络模型运用于数据集进行训练测试，以验证网络模型的准确率指标；5：使用训练后的模型对各类数据集进行实验结果可视化，以图片的形式展现出视频分割结果。本发明联合学习视频的局部关键特征，智能的对海量移动互联网视频进行识别并对低俗内容进行过滤。