一种视频异常检测模型网络结构、训练方法及检测方法

AITNT
正文
推荐专利
一种视频异常检测模型网络结构、训练方法及检测方法
申请号:CN202410876446
申请日期:2024-07-02
公开号:CN118865202A
公开日期:2024-10-29
类型:发明专利
摘要
本发明涉及计算机技术的领域,涉及一种视频异常检测模型网络结构包括:一种视频异常检测模型网络结构,包括特征提取模块、特征融合模块和异常分数生成模块,特征提取模块用于提取视频中的各视频片段的时空特征;时空特征包括时间特征和空间特征;特征融合模块用于通过注意力机制将视频片段的时空特征和训练视频中其他视频片段的时间特征进行融合,得到融合时空特征;异常分数生成模块用于根据视频片段的时空特征和片段间余弦相似度确定训练视频的异常分数。本发明还提出一种弱监督视频异常检测模型训练方法和视频异常检测方法。本发明可以提高对视频中正常片段和异常片段的分辨效果。
技术关键词
融合时空特征 检测模型训练方法 特征提取模块 视频异常检测方法 网络结构 注意力机制 训练样本集 矩阵 标签 损失函数优化 输入端 关系 阶段 参数
系统为您推荐了相关专利信息
1
一种边缘计算环境下元强化学习驱动的自适应任务卸载机制
边缘计算环境 多头注意力机制 卸载策略 策略更新 递归神经网络建模
2
一种基于鲸鱼算法优化BP神经网络的原油管道结蜡速率预测方法
鲸鱼算法 优化BP神经网络 速率预测方法 管道结蜡 原油管道蜡沉积
3
一种基于标签信号指导的多模态情感识别方法
音频特征 文本 情感识别方法 标签 多模态情感识别
4
基于芯片级加密的脑眼信息传感管理系统
硬件加密引擎 脑电特征提取 加密芯片 管理系统 眼动轨迹
5
一种基于频谱特征的电网信号扰动分析方法及装置
频谱特征 扰动分析方法 信号 频率 深度学习模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号