[发明专利]一种基于特征融合和循环神经网络的无参考视频质量评价方法在审
| 申请号： | 201910938025.9 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110677639A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 史萍;侯明;潘达;应泽峰;韩明良 | 申请（专利权）人： | 中国传媒大学 |
| 主分类号： | H04N17/00 | 分类号： | H04N17/00 |
| 代理公司： | 11203 北京思海天达知识产权代理有限公司 | 代理人： | 沈波 |
| 地址： | 100024 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于特征融合和循环神经网络的无参考视频质量评价方法，本方法通过一个可以输入视频段的特征融合网络融合时空特征，使用一个循环神经网络融合不同视频段的质量，完成视频整体的质量评价任务。本发明使用的神经网络，直接以视频段作为输入，采用特征融合网络，这样的设计可以更好的提取视频帧直接的关系，从而更准确的得到视频整体的质量评价指标。本发明的特征融合网络可以一次性处理多帧并得到一个低维度的特征，即特征规模相对与数据量来讲极大降低，在运算时，对于一整段视频来讲，总时间可以得到极大的降低。 | ||
| 搜索关键词： | 特征融合 循环神经网络 视频 质量评价 视频段 质量评价指标 无参考视频 一次性处理 神经网络 时空特征 输入视频 特征规模 网络融合 视频帧 数据量 低维 多帧 运算 网络 融合 | ||
【主权项】：
1.一种基于特征融合和循环神经网络的无参考视频质量评价方法，其特征在于：该方法包括以下步骤，/n步骤1，由视频得到视频段；/n对于一个视频，需要通过抽帧、裁剪、组合得到视频段，以作为VQA模型的输入；/n步骤2，搭建并训练特征融合网络；/n搭建并训练基于Resnet50的特征融合网络，其输入为步骤1得到的视频段，输出为1024维的特征向量；/n步骤3，得到视频的特征向量表示；/n通过训练好的特征融合网络，对每一视频段生成一个1024维的特征向量，并进而组成视频特征；/n步骤4，搭建并训练循环神经网络；/n搭建并训练LSTM循环神经网络，输入为步骤3输出的某一切分位置的视频特征，输出为视频的质量分数；/n步骤5，进行视频的质量评价；/n对一段视频进行切分、抽样、提取特征、质量评价。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国传媒大学，未经中国传媒大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910938025.9/，转载请声明来源钻瓜专利网。
