一种基于深度学习跨模态技术的无人机视频检索方法

本发明公开了一种基于深度学习跨模态技术的无人机视频检索方法，包括：根据用户输入的文本，进行初步分类，获取待检测的时间、地点、对象和目的；从时间、地点、对象三个维度对原始视频进行预筛选，得到可能的关键帧和包含检测对象的目标框；根据改进后的VIT模型对文本和预筛选的关键帧进行精准匹配，得到准确图片帧；搭建基于GRU‑CRF的神经网络，根据待检测的目的调整GRU网络的步长，对准确图片帧进行处理，将属于同一个视频片段的图片帧归类，得到符合用户要求的视频片段。本发明从四个维度的信息抽取关键帧和对图片帧进行分类，极大地缩短了视频检索时长，提高了视频检索效率和准确性。