基于卷积神经网络的网络教学方法以及装置制造方法及图纸

本公开是关于一种基于卷积神经网络的网络教学方法、装置、电子设备以及存储介质。其中，该方法包括：分析网络教学视频信号，生成特征分帧图像，通过卷积神经网络算法的多个卷积层对所述特征分帧图像进行高频内容检测，确定满足预设频次条件的多个候选高频内容区域，通过卷积神经网络算法的池化层处理所述多个候选高频内容区域，得到重点内容区域及重点内容区域在特征分帧图像中的位置，根据重点内容区域在图像中的位置，生成包含高频内容的重点网络教学视频信号并显示输出。本公开可以对网络教学视频信号分析自动识别并生成包含重点内容的网络教学视频信号。

Network teaching method and device based on convolution neural network

The present disclosure relates to a network teaching method, device, electronic equipment and storage medium based on convolutional neural network. Among them, the method includes: analyzing the video signal of network teaching, generating the characteristic frame-divided image, detecting the high-frequency content of the characteristic frame-divided image through the convolution layer of convolution neural network algorithm, determining the candidate high-frequency content areas satisfying the preset frequency condition, and pooling layer of convolution neural network algorithm. The position of the key content area and the key content area in the feature sub-frame image are obtained by processing the multiple candidate high frequency content areas. According to the position of the key content area in the image, the key network teaching video signal containing high frequency content is generated and output is displayed. The present disclosure can automatically identify and generate network teaching video signals containing key contents by analyzing network teaching video signals.

【技术实现步骤摘要】
基于卷积神经网络的网络教学方法以及装置
本公开涉及计算机
，具体而言，涉及一种基于卷积神经网络的网络教学方法、装置、电子设备以及计算机可读存储介质。
技术介绍
网络教学是在一定教学理论和思想指导下，应用多媒体和网络技术，通过师、生、媒体等多边、多向互动和对多种媒体教学信息的收集、传输、处理、共享，来实现教学目标的一种教学模式。具有开放性、交互性、共享性等优点，打破了传统教学在时空上的局限，有利于推广研究性学习。然而，由于网络教学内容只能在用户的显示设备上显示，使得教学场景无法完全重现，受特定显示设备的条件制约，用户无法选择观看想要学习的网络视频画面中的重点内容区域，或者只能收看视频源信号人为认定的重点内容扩展展示区域。在现有技术中，CN201610235737公开了一种识别文字文档的方法及装置，通过根据提取的原文档内容确定复数个版面元素将版面元素一一映射到相对应的预设标签，根据预设标签将原文档内容进行展示，该方式是通过建立标签的方式来实现对文档中重点内容识别的，不是智能图像处理算法；CN201710250098公开了一种利用时空注意力模型的视频内容描述方法，通过时间注意力和空间本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的网络教学方法，其特征在于，包括：分帧图像生成步骤，用于分析网络教学视频信号，生成特征分帧图像；高频内容检测步骤，通过卷积神经网络算法的多个卷积层对所述特征分帧图像进行高频内容检测，确定满足预设频次条件的多个候选高频内容区域；池化层处理步骤，通过卷积神经网络算法的池化层处理所述多个候选高频内容区域，得到重点内容区域及重点内容区域在特征分帧图像中的位置；重点视频信号生成步骤，根据重点内容区域在图像中的位置，生成包含高频内容的重点网络教学视频信号，调用终端设备的显示接口显示输出所述重点网络教学视频信号。

【技术特征摘要】
1.一种基于卷积神经网络的网络教学方法，其特征在于，包括：分帧图像生成步骤，用于分析网络教学视频信号，生成特征分帧图像；高频内容检测步骤，通过卷积神经网络算法的多个卷积层对所述特征分帧图像进行高频内容检测，确定满足预设频次条件的多个候选高频内容区域；池化层处理步骤，通过卷积神经网络算法的池化层处理所述多个候选高频内容区域，得到重点内容区域及重点内容区域在特征分帧图像中的位置；重点视频信号生成步骤，根据重点内容区域在图像中的位置，生成包含高频内容的重点网络教学视频信号，调用终端设备的显示接口显示输出所述重点网络教学视频信号。2.如权利要求1所述的方法，其特征在于，所述高频内容检测步骤，包括：由特征分帧图像生成感受野，所述感受野为包含部分特征分帧图像区域的卷积层；对所述感受野与所述特征分帧图像进行卷积运算，得到多个候选高频内容区域。3.如权利要求2所述的方法，其特征在于，所述方法包括：所述感受野对应的卷积层的深度与特征分帧图像的深度相同。4.如权利要求1所述的方法，其特征在于，所述池化层处理步骤，包括：将多个候选高频内容区域分成多个大小相同的子区域；对每个子区域进行平均池化计算；当根据平均池化计算结果确定所述候选高频内容区域包含高频内容时，将所述候选高频内容区域确定为重点内容区域，并确定重点内容区域在特征分帧图像中的位置。5.如权利要求4所述的方法，其特征在于，确定重点内容区域在特征分帧图像中的位置，包括：分析重点内容图像灰度分布梯度，根据所述灰度分布梯度进行重点内容图像边际识别；根据重点内容图像边际确定重点内容显示区域；在所述特征分帧图像中查找确定所述重点内容显示区域。6.如权利要求4所述的方法，其特征在于，在得到重点内容区域及重点内容区域在特征分帧图像中的位置后，所述方法...

【专利技术属性】
技术研发人员：陈铿帆，刘善果，刘胜强，
申请(专利权)人：深圳市鹰硕技术有限公司，
类型：发明
国别省市：广东,44