一种基于分层语义表示和聚合网络的视频字幕生成方法

本发明公开了一种基于分层语义表示和聚合网络的视频字幕生成方法，该方法首先对视频进行预处理，获取视频特征。其次构建视频字幕分层语义表示和聚合网络整体架构。然后根据视频特征，在构建的视频字幕分层语义表示和聚合网络中生成字幕。最后训练视频字幕分层语义表示和聚合网络，优化网络参数。本发明显著提高了生成字幕中动词的精度和多样性。