原创力文档- 1
- 0
- 约1.92万字
- 约 15页
- 2023-04-23 发布于四川
- 举报
本发明提出了基于混合注意力机制的视频对象定位方法及系统，本发明属于视频处理技术领域，包括：获得视频数据以及自然语言描述数据；针对视频数据，提取对象提议的视觉特征、对象提议的位置信息以及全局视觉特征；针对自然语言描述数据，提取词隐藏向量表示，利用文本自注意力机制处理词隐藏向量表示，获取语义角色文本特征；针对提取对象提议的视觉特征，剔除每个对象提议中不被语义角色文本特征中的语义角色期待的特征表示，获得被增强的对象提议的视觉特征；对被增强的对象提议视觉特征与视频的全局视觉特征进行初步融合，获得多模态特
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113971208 B
(45)授权公告日 2022.05.06
(21)申请号 202111577033.9 G06F 16/75 (2019.01)
文档评论（0）