一种高效运动互补神经网络系统
专利汇可以提供一种高效运动互补神经网络系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种高效运动互补神经网络系统，包括视频读取单元、视频类别单元和神经网络补充单元；所述视频读取单元对输入的视频进行读取，同时对视频的描述信息等文字辅助信息进行提取；所述视频类别单元根据网络等视频提取源对视频的描述信息对视频的类别进行初步判定，并将视频划分到神经网络中已有的类别分区中；所述神经网络补充单元分成两个模 块 ，对视频分类的方法进行优化，缩短视频分类的时间。本发明针对双流法和3D卷积法分别做出提高计算光流效率和缩小网络计算量的优化方法，提升了视频提取和分类的速度。，下面是一种高效运动互补神经网络系统专利的具体信息内容。
1.一种高效运动互补神经网络系统，其特征在于，包括：
定长累计运动矢量模块，用于将运动矢量的累计到它所对应的原始帧，而累计的帧数固定长度，以提高运动矢量的清晰度和表达能力；
均衡运动策略模块，用于将视频分成原始帧和运动矢量两部分，所述原始帧存储少量图像，所述运动矢量存储帧间运动信息，根据用户对视频提取的精度要求确定运动矢量的提取长度，对视频进行分段，提取长度越短视频处理的精度越高，将运动矢量累计到视频对应的原始帧的位置上，同时对累计的帧数进行长度固定，在视频编码格式中自动保存运动矢量信息；在原始帧流上采用较大的分辨率，在运动矢量流上采用较小 的分辨率。
2.一种高效运动互补神经网络系统，其特征在于，包括视频读取单元、视频类别单元和神经网络补充单元，针对双流法和3D卷积法两种视频提取的方法进行了优化，可以做到提高计算光流的效率，缩小网络计算量，提升视频分类的效率；
视频读取单元，对输入的视频进行读取，进一步获取网络等输入源中对视频的文字描述信息，为视频的初步分类进行数据搜集；
视频类别单元，在视频提取源的描述信息下，对输入的视频的类别进行初步的判定，在扩充视频类别的数据库的同时，可以通过视频类别的最终判定，修正神经网络的判定结果，提高神经网络的学习能力；
神经网络补充单元，其内部的两个模块分别针对计算光流的效率和网络计算量进行优化，缩短视频分类的时间，具体步骤为：
步骤1、将视频转化成编码格式；
步骤2、使用定长累计运动矢量法加速光流计算；
步骤3、使用均衡运动法加速网络计算。
3.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述神经网络补充单元通过定长累计运动矢量法来加速光流计算，通过均衡运动法来加速网络计算，这两种方法在使用小计算量的前提下，可以提取到具有很强表达能力和互补性的运动信息；
将二者结合，可以实现运动信息的互补建模，缩短视频分类的计算时间，提高视频分类的计算精度。
4.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述神经网络补充单元的定长累计运动矢量法可以通过设置定长对视频进行分段提取数据，加速光流计算的过程，具体步骤为：
步骤S1、将视频分成原始帧和运动矢量两部分，所述原始帧存储少量图像，所述运动矢量存储帧间运动信息；
步骤S2、根据用户对视频提取的精度要求确定运动矢量的提取长度，对视频进行分段，提取长度越短视频处理的精度越高；
步骤S3、将运动矢量累计到视频对应的原始帧的位置上，同时对累计的帧数进行长度固定；
步骤S4、在视频编码格式中自动保存运动矢量信息。
5.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述神经网络补充单元的均衡运动法针对所述原始帧和所述运动矢量两部分使用不同分辨率进行提取，从而缩小网络计算量，具体步骤为：
步骤1、使用均衡运动法来调节原始帧流和运动矢量流之间的比例关系，提高网络计算的效率；
步骤11、降低运动矢量流的分辨率；
步骤12、保持对原始帧流较大的分辨率，从而保证视频的识别精度；
步骤2、保证运动矢量流的数据计算量占用整个视频的数据计算量的百分之十及以下，对网络贡献量达到百分之三到百分之四的精度水平。
6.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述视频读取单元针对输入的视频进行长度和精度上的预处理，保证后续光流计算和视频分帧的流畅性。
7.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述视频读取单元对输入的视频相关的文字描述信息进行录入，进一步在神经网络中学习并提取关键字，根据关键字、关键词对视频进行初步分类。
8.根据权利要求2所述的一种高效运动互补神经网络系统，其特征在于，所述视频类别单元得到输入视频的初步类别判定之后，扩充对应类别的视频数据库，如果初步判定结果和最终视频划分类别不同，则以最终的类别划分为主，神经网络学习并记录这一修正过程。
一种高效运动互补神经网络系统
技术领域
背景技术
发明内容
定长累计运动矢量模块，用于将运动矢量的累计到它所对应的原始帧，而累计的帧数固定长度，以提高运动矢量的清晰度和表达能力；
均衡运动策略模块，用于将视频分成原始帧和运动矢量两部分，所述原始帧存储少量图像，所述运动矢量存储帧间运动信息，根据用户对视频提取的精度要求确定运动矢量的提取长度，对视频进行分段，提取长度越短视频处理的精度越高，将运动矢量累计到视频对应的原始帧的位置上，同时对累计的帧数进行长度固定，在视频编码格式中自动保存运动矢量信息；在原始帧流上采用较大的分辨率，在运动矢量流上采用较小的分辨率。
视频类别单元，在视频提取源的描述信息下，对输入的视频的类别进行初步的判定，在扩充视频类别的数据库的同时，可以通过视频类别的最终判定，修正神经网络的判定结果，提高神经网络的学习能力；
神经网络补充单元，其特征在于，内部的两个模块分别针对计算光流的效率和网络计算量进行优化，缩短视频分类的时间，具体步骤为：
步骤1、将视频转化成编码格式；
步骤2、使用定长累计运动矢量法加速光流计算；
步骤3、使用均衡运动法加速网络计算。
步骤S2、根据用户对视频提取的精度要求确定运动矢量的提取长度，对视频进行分段，提取长度越短视频处理的精度越高；
步骤S3、将运动矢量累计到视频对应的原始帧的位置上，同时对累计的帧数进行长度固定；
步骤S4、在视频编码格式中自动保存运动矢量信息。
步骤11、降低运动矢量流的分辨率；
步骤12、保持对原始帧流较大的分辨率，从而保证视频的识别精度；
步骤2、保证运动矢量流的数据计算量占用整个视频的数据计算量的百分之十及以下，对网络贡献量达到百分之三到百分之四的精度水平。
具体实施方式
视频类别单元，在视频提取源的描述信息下，对输入的视频的类别进行初步的判定，在扩充视频类别的数据库的同时，可以通过视频类别的最终判定，修正神经网络的判定结果，提高神经网络的学习能力；
神经网络补充单元，其特征在于，内部的两个模块分别针对计算光流的效率和网络计算量进行优化，缩短视频分类的时间，具体步骤为：
步骤1、将视频转化成编码格式；
步骤2、使用定长累计运动矢量法加速光流计算；
步骤3、使用均衡运动法加速网络计算。
步骤S2、根据用户对视频提取的精度要求确定运动矢量的提取长度，对视频进行分段，提取长度越短视频处理的精度越高；
步骤S3、将运动矢量累计到视频对应的原始帧的位置上，同时对累计的帧数进行长度固定；
步骤S4、在视频编码格式中自动保存运动矢量信息。
步骤11、降低运动矢量流的分辨率；
步骤12、保持对原始帧流较大的分辨率，从而保证视频的识别精度；
步骤2、保证运动矢量流的数据计算量占用整个视频的数据计算量的百分之十及以下，对网络贡献量达到百分之三到百分之四的精度水平。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于卷积神经网络的大坝变形预测系统和方法 | 2020-05-08 | 110 |
| 一种视频帧重构方法、装置及终端设备 | 2020-05-08 | 346 |
| 一种基于神经网络的红外光谱反卷积方法 | 2020-05-08 | 202 |
| 一种基于双通路U型卷积神经网络的医学图像分割方法 | 2020-05-11 | 630 |
| 用于检测交通工具的尾灯信号的系统和方法 | 2020-05-08 | 221 |
| 一种数据处理方法及装置 | 2020-05-08 | 776 |
| 一种可识别小字符内容的工尺谱数字化方法 | 2020-05-08 | 991 |
| 基于多粒度学习的软件界面元素检测方法、系统、计算机设备和存储介质 | 2020-05-11 | 299 |
| 一种基于语音降噪的声纹识别方法和相关装置 | 2020-05-08 | 347 |
| 一种模板匹配网络训练方法、识别方法及装置 | 2020-05-08 | 48 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
