【技术实现步骤摘要】
一种基于自监督学习的视频聚类方法
[0001]本申请涉及计算机视觉领域,尤其涉及一种基于自监督学习的视频聚类方法。
技术介绍
[0002]聚类是一种广泛应用于机器学习、数据挖掘和统计分析等领域的技术。它的目的是将彼此相似的对象归为相同的集合,不同的对象归为不同的集合。视频聚类的目的是将同类视频归为同一类,不同类别的视频归为不同类。与传统视频分类方法不同,视频聚类方法无需考虑视频的真实标签。传统的聚类方法,如Kmeans和谱聚类,当它们应用于视频数据时,需要特定的特征提取方式,并且存在聚类边界消失等问题。对于高维的视频数据,传统方法无法保证特征信息得到有效利用,从而导致性能低下。
[0003]由于近年来深度神经网络的发展,基于深度学习的聚类方法得到提升。许多研究将深度神经网络与深度聚类方法的损失函数结合,以学习更适合聚类的视频特征表示。最近自监督特征学习在视频识别任务中表现优异。在提取视频帧的特征值的过程中,主要的挑战来源于经典特征提取方法更适用于特征分类,而不是聚类。因此,可以将深度聚类方法与自监督视频特征学习结合,以得到适合聚类的视频特征。
技术实现思路
[0004]专利技术目的:在本文中,我们没有对提取到的视频特征直接进行分类以完成识别任务,而是通过从RGB和光流不同视角上分别计算最近邻,拉近与其最近邻的特征值的距离,使视频特征具有聚类特性,利用聚类和重建损失函数实现自监督的视频聚类,从而完成自监督视频识别任务。本专利技术提供了一种基于自监督学习的视频聚类方法。
[0005]技术方 ...
【技术保护点】
【技术特征摘要】
1.一种基于自监督学习的视频聚类方法,其特征在于:包括以下步骤:步骤一:对视频V
i
使用两种不同采样策略进行采样,得到包含全局信息的序列V
i_l
和包含局部信息的序列V
i_s
;步骤二:对视频V
i
分别在RGB和光流上进行编码,得到特征值f1(V
i
),f2(V
i
);步骤三:所述视频的RGB特征值f1(V
i
)在f1(V)中的k个最近邻为f1(V
i1
),...,f1(V
ik
),拉近对应光流特征值的距离,即f2(V
i
)与f2(V
i1
),...,f2(V
ik
)的距离;步骤四:重复步骤三,拉近由光流最近邻指导的RGB特征值的距离;步骤五:由于同一视频不同片段属于同一类别,拉近f1(V
i
)与f1(V
i_s
)和f1(V
i_l
)的距离;步骤六:对数据集V中的每个视频V
i
提取视频帧X
ij
;步骤七:采用条件变分自编码器对所有的X进行图片聚类,得到视频静态标签;步骤八:利用步骤三、四、五中得到的视频特征值,结合步骤七得到的视频静态标签进行视频聚类,得到视频聚类标签。2.根据权利要求1所述的基于自监督的视频聚类方法,其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。