一种基于卷积神经网络的特定视频检测方法

• 摘要：

  本发明提供了一种基于卷积神经网络的特定视频检测方法,包括以下步骤:利用现有标注的正负样本数据,对预先使用大规模数据集训练得到的卷积神经网络进行精细调整,得到适用于特定视频检测的卷积神经网络模型;利用该网络模型直接对视频关键帧进行特征提取并进行预测,根据预测结果判断是否为特定视频.本发明充分利用了卷积神经网络能够在大规模视频数据中自动学习视频特征的优势,考虑了特征学习与分类学习两个任务的相互作用关系,大大提高了特定视频检测的准确率.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610045369.3

• 申请日期：

  2016.01.22

• 公开/公告号：

  CN105718890A

• 公开/公告日：

  2016-06-29

• 发明人：

  彭宇新 何相腾

• 申请人：

  北京大学

• 主分类号：

  G06K9/00(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/00(2006.01)I,G06K9/62(2006.01)I,G,G06,G06K,G06K9,G06K9/00,G06K9/62

• 主权项：

  一种基于卷积神经网络的特定视频检测方法,包括以下步骤:(1)利用标注的正样本和负样本对预先使用大规模数据集训练得到的卷积神经网络模型进行精细调整,从而得到适用于特定视频检测的卷积神经网络模型;(2)利用步骤(1)中训练得到的卷积神经网络模型对待识别的视频关键帧直接计算出特征并进行预测,进而根据预测得分判断是否为特定视频.