主体与行为偏离可控的监控视频语言数据集自动生成方法

主体与行为偏离可控的监控视频语言数据集自动生成方法属于计算机视觉领域。本发明基于深度学习技术与数学中的交叉验证方法，研究了一种主体与行为偏离可控的监控视频语言数据集自动生成方法。首先使用目标追踪模块来构建增强的监控视频字幕模型，用于标注生成监控视频的描述文本，控制描述文本中的主体偏离程度。随后使用基于迭代偏离交叉验证的数据过滤模型对描述文本进行过滤，控制文本描述中的行为偏离程度，最终可获取主体与偏离可控的视频语言数据集。本发明所生产数据集具有已知的主体与行为偏离程度，因此可以为多模态监控视频语言理解模型等任务的训练提供有效帮助。