一种基于生成字幕的多粒度语义对齐文本-视频检索方法

本发明属于文本‑视频检索领域，具体涉及一种基于生成字幕的多粒度语义对齐文本‑视频检索方法，包括：建立SAEC模型，并对其进行训练，通过训练后的SAEC模型进行文本‑视频匹配检索。本发明提出了一个新的模型SAEC，该模型通过匹配视频中的局部细节并理解视频的全局语义，显著提高了文本到视频的检索准确性，同时，本发明通过联合生成的字幕和视频，使模型不仅能理解视频的直接内容，还能把握更复杂的情境。