本发明公开了一种基于多级预测架构的视频描述方法及系统，属于深度学习中计算机视觉以及自然语言处理领域，本发明要解决的技术问题为如何生成细粒度的语言描述，避免模型复杂度提高造成梯度消失，同时从根本上解决曝光偏差的难题，避免发生错误累计，造成最终结果的失效，采用的技术方案为：该方法步骤如下：S1、获取原始数据；S2、使用nltk对描述进行筛选分词；S4、预训练YOLO；S5、通过多层解码器LSTM及堆叠注意力机制得到语言描述；S6、将得到的语言描述分别与真实标注计算交叉熵，同时将得到的语言描述的和作为总体损失。该系统包括原始数据获取模块、筛选分词模块、单词表制作模块、YOLO预训练模块、语言描述获取模块及梯度计算模块。
声明：
“基于多级预测架构的视频描述方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1088
编辑：管理员
来源：北方有色网
咨询细节
