一种基于端到端转换器模型的视频时空动作定位方法及系统

本发明公开了一种基于端到端转换器模型的视频时空动作定位方法及系统，涉及计算机视觉领域，方法包括：建立视频时空动作定位模型，获取用于训练视频时空动作定位模型的视频数据集，并定义算法目标；提取所述视频数据集中的时空特征；基于时空特征在解码器网络上反馈查询生成动作检测框；基于生成的动作检测框定义损失函数，基于损失函数训练视频时空动作定位模型，并使用所述模型对输入视频进行时空动作定位；本发明提出了端到端的处理方法，引入了编码器解码器结构充分挖掘视频的时空信息，在智能视频分析系统里具有良好的应用价值，能够有效提升下游任务的准确度。