视频时刻定位的方法、装置、设备及介质

本申请属于视频时刻定位技术领域，公开了一种视频时刻定位的方法、装置、设备及介质，方法包括步骤：利用对比损失函数对VTG模型进行训练，获取目标VTG模型；利用目标VTG模型生成多个候选框及第一粗粒度分数；构建目标视频‑文本模型，并利用目标视频‑文本预训练模型提取各候选框的视频特征及文本特征；根据所述视频特征及文本特征计算各候选框的细粒度分数，根据第一粗粒度分数及细粒度分数计算所述候选框的总得分，利用所述总得分对各个候选框进行细粒度排序；根据所述细粒度排序对输入视频进行视频时刻定位。实施本发明，解决了导致正负样本不平衡问题，改善了模型的鲁棒性。提高了细粒度排序对下游任务的匹配，增强了对候选框的准确排序。