買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京大學申請的專利時序邊界檢測方法及時序感知器獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114494314B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111615241.3，技術領域涉及：G06T7/13；該發明授權時序邊界檢測方法及時序感知器是由王利民;談婧;王雨虹;武港山設計研發完成，并于2021-12-27向國家知識產權局提交的專利申請。

本時序邊界檢測方法及時序感知器在說明書摘要公布了：時序邊界檢測方法及時序感知器，基于變換解碼器結構和注意力機制，建立通用的無類別時序動作檢測模型，檢測模型的編碼器中引入少量隱特征查詢量，通過交叉注意力機制將輸入特征壓縮到固定維度，并使用變換解碼器對特征進行解碼，實現通用無類別時序邊界的稀疏檢測。本發明通過特征壓縮，有效解決了長視頻的時序冗余問題，并將二次模型的復雜度降低到線性級別；構建邊界查詢量和上下文查詢量這兩種隱特征查詢量，以相應處理視頻中語義不連貫的邊界區域和連貫的上下文區域，充分利用視頻的語義結構；提出基于交叉注意力計算的對齊損失函數，使網絡快速穩定收斂；使用變換解碼器稀疏編碼邊界位置，避免復雜后處理，提高模型泛化性能。

本發明授權時序邊界檢測方法及時序感知器在權利要求書中公布了：1.時序邊界檢測方法，其特征是構建一個無類別時序邊界檢測網絡對視頻進行時序邊界檢測，檢測網絡包括骨干網絡和檢測模型，實現方式如下：1由骨干網絡生成檢測樣例：對視頻間隔采樣得到視頻圖像序列以每一幀生成一個視頻段，第i段視頻段為由第i幀圖像fi的前后連續k幀組成的圖像序列，由骨干網絡對輸入的視頻段生成視頻特征和連續性打分Fi和Si分別為視頻段i的RGB特征和連續性打分；2由檢測模型基于視頻特征F和連續性打分S進行無類別時序動作檢測，所述檢測模型包括如下配置：2.1編碼器：編碼器E包括Ne層串聯的變換解碼層，每層包含一個多頭自注意力層、一個多頭交叉注意力層和一個線性映射層，自注意力層、交叉注意力層及線性映射層分別帶有一個殘差結構，對編碼器引入M個隱特征查詢量Qe，基于連續性打分S對視頻特征F進行降序排序后輸入編碼器，編碼器將排序后的視頻特征壓縮為M幀的壓縮特征H，初始壓縮特征H0為0，在第j層變換解碼層，隱特征查詢量Qe與當層的壓縮特征Hj相加，經過自注意力層及其殘差結構，在交叉注意力層和重排序的視頻特征交互，再經過殘差結構-線性映射層-殘差結構變換后得到壓縮特征Hj+1，j∈[0,Ne-1]，通過堆疊的Ne個編碼層后，實現輸入特征的壓縮和編碼，得到壓縮特征其中，隱特征查詢量的生成為：隱特征查詢量Qe被分為Mb個邊界查詢量和Mc個上下文查詢量，隨機初始化，在訓練檢測模型的過程隨訓練樣本學習生成；邊界查詢量對應處理視頻特征中的邊界區域特征，上下文查詢量對應處理視頻特征中的上下文區域特征，視頻特征中重排序后前Mb個特征為邊界區域特征，其他為上下文特征；2.2解碼器：解碼器D包括Nd層串聯的解碼層，每層包含一個多頭自注意力層、一個多頭交叉注意力層和一個線性映射層，自注意力層、交叉注意力層及線性映射層分別帶有一個殘差結構；對于編碼器獲得的壓縮特征H，解碼器通過變換解碼器結構進行時序邊界點解析，解碼器定義Np個提名查詢量Qd，提名查詢量Qd與隱特征查詢量一樣，隨機初始化后再訓練中學習生成，并初始化邊界提名B0為0，在第j層，提名查詢量Qd與邊界提名Bj相加，經過自注意力層和一次殘差結構，在交叉注意力層和壓縮特征H交互，經過殘差結構-線性映射層-殘差結構變換后得到更新后的邊界提名Bj+1；通過堆疊的Nd個解碼層后，實現壓縮特征的解析，得到時序邊界提名表示2.3時序無類別邊界的生成與打分：對于獲得的時序邊界提名表示B，送入兩個不同的全連接層分支：定位分支和分類分支，兩個分支分別用于輸出時序無類別邊界的時刻和置信度分數；2.4分配訓練標簽：采用嚴格的一對一訓練標簽匹配策略：根據定義的匹配代價C，利用匈牙利算法得到一組最優的一對一匹配，每個被分配到一個無類別邊界真值的預測都獲得正樣本標簽，其對應的邊界真值為訓練目標；匹配代價C由位置代價和分類代價兩部分組成，位置代價基于預測時刻和邊界真值時刻的距離絕對值定義，分類代價基于預測置信度定義；2.5時序無類別邊界的提交：生成一系列的時序無類別邊界后，通過置信度分數閾值γ篩選出最可信的時序無類別邊界時刻，提交以進行后續性能度量；3訓練階段：對配置的模型采用訓練樣例進行訓練，使用交叉熵、L1距離和log函數作為損失函數，使用AdamW優化器，通過反向傳播算法來更新網絡參數，不斷重復步驟1和步驟2，直至達到迭代次數；4檢測：將待測試數據的視頻特征序列和連續性打分輸入到訓練完成的檢測模型中，生成時序無類別邊界時刻及打分，再通過2.3的方法，得到用于性能度量的時序無類別邊界時刻序列。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京大學，其通訊地址為：210023 江蘇省南京市棲霞區仙林大道163號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。