公开(公告)号：CN111680190A

公开(公告)日：2020-09-18

申请号：CN202010517202.9

申请日：2020-06-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 张维刚 ,  张梦琴 ,  王树徽 ,  周延森 ,  黄庆明

IPC: G06F16/738 ,  G06F16/735 ,  G06F16/783 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种融合视觉语义信息的视频缩略图推荐方法，该方法包括分别对视频概述模型和视频缩略图推荐模型进行训练，得到对应的第一训练结果和第二训练结果；通过所述第一训练结果对当前视频生成概述语句，将所述概述语句与当前视频的关键帧序列同时输入所述第二训练结果，推荐与所述概述语句相关的关键缩略图，结合当前视频的候选缩略图得到当前视频的推荐缩略图序列。本发明弥补了现有视频网站上不能自动为每段视频推荐代表视频主要内容的视频缩略图的缺陷。本方法为视频推荐客观且具有视频内容代表性的视频缩略图序列，从而提高视频的吸引力。

公开(公告)号：CN111680190B

公开(公告)日：2023-07-18

申请号：CN202010517202.9

申请日：2020-06-09

Applicant: 哈尔滨工业大学(威海)

Inventor： 张维刚 ,  张梦琴 ,  王树徽 ,  周延森 ,  黄庆明

IPC: G06F16/738 ,  G06F16/735 ,  G06F16/783 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0985

Abstract: 本发明提供了一种融合视觉语义信息的视频缩略图推荐方法，该方法包括分别对视频概述模型和视频缩略图推荐模型进行训练，得到对应的第一训练结果和第二训练结果；通过所述第一训练结果对当前视频生成概述语句，将所述概述语句与当前视频的关键帧序列同时输入所述第二训练结果，推荐与所述概述语句相关的关键缩略图，结合当前视频的候选缩略图得到当前视频的推荐缩略图序列。本发明弥补了现有视频网站上不能自动为每段视频推荐代表视频主要内容的视频缩略图的缺陷。本方法为视频推荐客观且具有视频内容代表性的视频缩略图序列，从而提高视频的吸引力。

公开(公告)号：CN109711354A

公开(公告)日：2019-05-03

申请号：CN201811626841.8

申请日：2018-12-28

Applicant: 哈尔滨工业大学(威海)

Inventor： 齐元凯 ,  张盛平 ,  张维刚 ,  苏荔 ,  黄庆明 ,  杨明玄

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于视频属性表示学习的目标跟踪方法，包括以下步骤：构建具有多属性分支的深度卷积神经网络模型；将训练数据按照视频属性进行分组；在训练数据中选取目标样本和背景样本；按照两阶段训练策略训练深度卷积神经网络模型；使用训练后的深度卷积神经网络模型对目标进行跟踪。使用不同分支学习不同属性下的表示降低了每个分支的学习难度，使得每个分支所需求的训练数据数量也降低。这些表示被自适应地融合后用于分类，提高了特征表示的判别力，使得本提案的方法可以应对复杂的跟踪场景。两阶段训练策略保证了多视频属性分支卷积神经网络可以达到预期目的。