【技术实现步骤摘要】
一种基于层次化情感特征编码的视频情感描述方法
[0001]本专利技术属于人工智能领域,涉及到计算机视觉
、
情感计算和自然语言处理等技术,具体地说是一种基于层次化情感特征编码的视频情感描述方法
。
技术介绍
[0002]在过去的几十年中,人工智能和计算机视觉领域的研究人员一直在努力开发算法和模型,以从图像和视频中提取有用的信息,包括情感信息
。
情感描述是计算机视觉领域的一个重要研究方向
。
情感描述可以分为两个主要方向:基于文本的情感描述和基于视觉特征的情感描述
。
基于文本的情感描述是指利用自然语言处理技术,对文本中的情感进行分析和描述
。
基于视觉特征的情感描述则是利用计算机视觉技术,从图像和视频中提取情感特征,并进行情感描述
。
本专利技术属于后者
。
[0003]为了提高视频情感分析的准确性,已有的一些研究工作尝试了不同的方法,例如提取更丰富的视觉特征,或者对不同的情绪类别进行建模
。
另外一些研究工作采用了两阶段训练的策略,即先利用情感标签进行视频情感分类,然后根据分类结果生成视频描述
。
然而,这种方法存在一些缺陷,例如情感分类和描述生成两个子任务之间缺乏有效的交互和融合,以及所使用的情感类别过于简单和粗糙,如积极或消极
。
还有一些工作利用注意力机制来强化情感语义的表示和传递,但是由于缺乏对情感的定量分析,容易受到训练语料库中高频常见词 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于层次化情感特征编码的视频情感描述方法,其特征在于,是按照如下步骤进行:步骤
1、
视频编码:从视频情感描述数据集中获取任意一个视频
V
及其情感描述,并从
V
中均匀采样出
N
个视频帧其中,
f
i
为第
i
个采样帧;利用预训练的
CLIP
视觉编码器提取
N
个采样帧的特征,得到所述视频
V
的视觉特征其中,
v
i
为所述第
i
个采样帧
f
i
的特征;步骤
2、
层次化情感特征编码:步骤
2.1、
获取情感类别集合
E
c
=
{x1,
…
,x
c
,
…
,x
C
}
,其中,
x
c
表示第
c
种情感类别,
C
为情感类别的总数;获取情感类别集合
E
c
中每个情感类别对应的若干情感词构成情感词集合
E
w
=
{X1,
…
,X
c
,
…
,X
C
}
;其中,
X
c
表示第
c
种情感类别对应的情感词集合,且
x
c,j
为
X
c
中的第
j
个情感词,
M
c
为
X
c
中的情感词总数;步骤
2.2、
通过预训练的
GloVe
网络获取情感词集合
E
w
中每个情感词的文本特征中每个情感词的文本特征其中,
e
m
为第
m
个情感词
x
m
的文本特征;
M
表示情感词集合
E
w
中的情感词总数,且步骤
2.3、
将文本特征
F
e
作为
Transformer
网络的键
key
和值
value
,将视频特征
F
v
作为
Transformer
网络的查询
query
,从而利用式
(1)
得到
Transformer
网络输出的融合特征
F
e
'
;
F
e
'
=
Transformer([F
v
,F
e
,F
e
]) (1)
将融合特征
F
e
'
依次输入到一个平均池化层和一个全连接层从而利用式
(2)
得到视频
V
在情感类别集合
E
c
上的概率分布
P
c
;式
(2)
中,全连接层的输出维度为
C
;步骤
2.4、
零初始化一个掩码矩阵其中,
g
i,m
表示掩码矩阵
G
中第
i
行第
m
列的元素值;定义一个参数
K
;获取概率分布
P
c
中最大的
K
个值对应的情感类别,从而得到相关情感类别集合
E
′
c
;获取相关情感类别集合
E
′
c
对应的相关情感词集合
E
′
w
;如果情感词集合
E
w
中的第
m
个情感词
x
m
在相关情感词集合
E
′
w
中,则令掩码矩阵
G
中的否则,令步骤
2.5、
将文本特征
F
e
作为另一个
Transformer
网络的键
key
和值
value
,将视频特征
F
v
作为另一个
Transformer
网络的查询
query
,将掩码矩阵
G
作为另一个
Transformer
网络的掩码
mask
,从而利用式
(3)
得到另一个
Transformer
输出的情感特征
F
e”;
F
e”=
Transformer(F
v
,F
e
,F
e
,G) (3)
将情感特征
F
e”依次输入到另一个平均池化层和另一个全连接层利用式
(4)
得到视频
V
在情感词集合
E
w
上的概率分布
P
w
;
式
(4)
中,全连接层的输出维度为
M
;步骤
3、
基于多模态上下文的文本生成:步骤
3.1、
定义当前时刻为
t
,并初始化
t
=0;步骤
3.2、
利用预训练的
GloVe
网络获取前
技术研发人员:杨勋,宋培培,郭丹,郝艳宾,汪萌,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
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。