CN113094550B - 视频检索方法、装置、设备和介质 - Google Patents

视频检索方法、装置、设备和介质 Download PDF

Info

Publication number
CN113094550B
CN113094550B CN202010018056.5A CN202010018056A CN113094550B CN 113094550 B CN113094550 B CN 113094550B CN 202010018056 A CN202010018056 A CN 202010018056A CN 113094550 B CN113094550 B CN 113094550B
Authority
CN
China
Prior art keywords
video
text
space
candidate
features
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010018056.5A
Other languages
English (en)
Other versions
CN113094550A (zh
Inventor
杨羿
李�一
王书敬
刘杰
于探
陈晓冬
刘林
朱延峰
李平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010018056.5A priority Critical patent/CN113094550B/zh
Priority to US17/023,039 priority patent/US20210209155A1/en
Priority to EP21150567.2A priority patent/EP3848819A1/en
Priority to KR1020210002756A priority patent/KR102510640B1/ko
Priority to JP2021002043A priority patent/JP7304370B2/ja
Publication of CN113094550A publication Critical patent/CN113094550A/zh
Application granted granted Critical
Publication of CN113094550B publication Critical patent/CN113094550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G06F16/7343—Query language or query format
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本申请实施例公开了一种视频检索方法、装置、设备和介质，涉及数据处理技术领域，尤其涉及智能检索技术领域。具体实现方案为：基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征；根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。本申请实施例提供一种视频检索方法、装置、设备和介质，实现了基于查询文本对视频的准确检索。

Description

视频检索方法、装置、设备和介质
技术领域
本申请实施例涉及数据处理技术领域，尤其涉及智能检索技术领域。具体地，本申请实施例提供了一种视频检索方法、装置、设备和介质。
背景技术
随着网络中视频的海量增长，视频用户往往通过视频检索的方式来获取感兴趣的视频内容。
目前搜索引擎主要通过匹配查询文本与视频标题确定目标视频。
然而，视频标题的质量不佳，且现有技术无法实现对视频中关键点信息的检索，从而导致视频检索准确率低的问题。
发明内容
本申请实施例提供一种视频检索方法、装置、设备和介质，以实现基于查询文本对视频的准确检索。
本申请实施例提供一种视频检索方法，该方法包括：
基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征；
根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；
根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
本申请实施例通过基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定查询文本的统一空间特征和候选视频的统一空间特征。因为基于文本语义空间和视频语义空间之间的转换关系，可以对查询文本和候选视频进行不同语义空间的准确转换，所以本申请实施例可以实现对统一空间特征的准确确定。基于准确确定的统一空间特征可以实现对查询文本和候选视频之间相似度的准确确定，进而提高目标视频的检索准确率。
进一步地，所述基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征，包括：
基于所述文本语义空间，确定所述查询文本的文本空间特征；
基于所述视频语义空间，确定所述候选视频的视频空间特征；
基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。
基于该技术特征，本申请实施例通过基于视频语义空间，确定候选视频的视频空间特征，对查询文本的文本空间特征和候选视频的视频空间特征进行空间统一，基于统一空间特征进行查询文本和候选视频的相似度计算，并根据计算的相似度从候选视频中确定目标视频，从而实现基于视频空间特征对视频的检索。因为视频空间特征可以准确反应视频内容，所以本申请实施例可以实现对视频的准确检索。
进一步地，所述基于视频语义空间，确定所述候选视频的视频空间特征，包括：
确定候选视频帧中目标实体的目标特征；
根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；
将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
基于该技术特征，本申请实施例通过根据候选视频帧中目标实体的出现信息，以及目标实体的目标特征，确定候选视频的稠密特征，并将目标实体在候选视频帧中的位置信息、目标实体的面积和候选视频帧的发生顺序中的至少一种，与稠密特征进行组合，以得到候选视频的视频空间特征，从而实现视频空间特征的提取。
因为视频空间特征根据候选视频帧中目标实体的出现信息，以及目标实体的目标特征确定，所以视频空间特征反应有视频的局部关键信息。进而基于局部关键信息可以实现对视频的准确检索。
进一步地，所述确定候选视频帧中目标实体的目标特征，包括：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
基于该技术特征，本申请实施例通过基于候选特征的置信度，从与目标实体关联的候选特征中，确定目标实体的目标特征，从而实现对目标实体特征的准确提取，进而提高视频空间特征的确定准确率。
进一步地，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征，包括：
基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间；和/或
基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间。
基于该技术特征，本申请实施例通过将文本空间特征投射到视频语义空间，和/或，将视频空间特征投射到文本语义空间，从而实现对查询文本和候选视频的语义空间统一。
进一步地，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间，包括：
基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布。
基于该技术特征，本申请实施例通过计算查询文本中查询词在视频语义空间下的语义分布，从而实现对查询文本的统一空间特征的确定。
进一步地，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：
将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。
基于该技术特征，本申请实施例通过转换器的编码和解码机制实现对查询文本中查询词到视频语义空间的映射。
进一步地，所述根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度，包括：
基于统一空间特征，计算所查询文本中查询词与所述候选视频的词语相似度；
根据查询词在所述检索输入文本中的重要度，确定所述查询词的权重；
根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
基于该技术特征，本申请实施例通过根据查询词在检索输入文本中的重要度，确定查询词的权重；根据确定的权重，对词语相似度进行加权求和，得到查询文本与候选视频的相似度，从而提高相似度的确定准确率。
本申请实施例还提供一种视频检索装置，该装置包括：
特征确定模块，用于基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征；
相似度确定模块，用于根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；
目标视频选择模块，用于根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
进一步地，所述特征确定模块，包括：
文本特征确定单元，用于基于所述文本语义空间，确定所述查询文本的文本空间特征；
视频特征确定单元，用于基于所述视频语义空间，确定所述候选视频的视频空间特征；
空间统一单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。
进一步地，所述视频特征确定单元，包括：
目标特征确定子单元，用于确定候选视频帧中目标实体的目标特征；
稠密特征确定子单元，用于根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；
视频特征确定子单元，用于将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
进一步地，所述目标特征确定子单元，具体用于：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
进一步地，所述空间统一单元，包括：
视频空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系；和/或
文本空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间。
进一步地，所述视频空间统一子单元具体用于：
基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布。
进一步地，基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：
将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。
进一步地，所述相似度确定模块，包括：
词语相似度单元，用于基于统一空间特征，计算所查询文本中查询词与所述候选视频的词语相似度；
权重确定单元，用于根据查询词在所述检索输入文本中的重要度，确定所述查询词的权重；
文本相似度单元，用于根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
本申请实施例还提供一种电子设备，该设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请第一实施例提供的一种视频检索方法的流程图；
图2是本申请第二实施例提供的一种视频检索方法的流程图；
图3是本申请第三实施例提供的一种视频检索方法的流程图；
图4是本申请第四实施例提供的一种视频空间特征确定的流程图；
图5是本申请第四实施例提供的一种特征多层交叉统一的示意图；
图6是本申请第四实施例提供的一种语义相关性计算的示意图；
图7是本申请第五实施例提供的一种视频检索装置的结构示意图；
图8是根据本申请实施例的视频检索方法的电子设备框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是本申请第一实施例提供的一种视频检索方法的流程图。本实施例可适用于基于查询文本进行视频检索的情况。该方法可以由一种视频检索装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本申请实施例提供的视频检索方法包括：
S110、基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征。
其中，文本语义空间是指文本所属的语义空间。
视频语义空间是指视频所属的语义空间。
查询文本是指用户输入的用于检索视频的文本。
候选视频是指待检索的视频。
查询文本的统一空间特征是指，在统一语义空间中，查询文本的语义特征。
候选视频的统一空间特征是指，在统一语义空间中，候选视频的语义特征。
可选地，统一语义空间可以是视频语义空间，也可以是文本语义空间。
具体地，文本语义空间和视频语义空间之间的转换关系，可以通过文本及文本的视频语义空间表示，和/或，视频及视频的文本空间表示统计得到。
可选地，文本语义空间和视频语义空间之间的转换关系，也可以通过模型学习得到。
S120、根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度。
具体地，可以根据单个语义空间(视频语义空间或文本语义空间)下的所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度。
为提高相似度的确定准确率，也可以根据两个语义空间(视频语义空间和文本语义空间)下所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度。
具体地，根据两个语义空间下所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度，包括：
以视频语义空间为统一空间，计算所述查询文本的统一空间特征与所述视频空间特征的第一相似度，其中所述视频空间特征为视频语义空间下所述候选视频的统一空间特征；
以文本语义空间为统一空间，计算所述候选视频的统一空间特征与所述文本空间特征的第二相似度，以根据所述第一相似度和所述第二相似度从所述候选视频中选择目标视频，其中所述文本空间特征为文本语义空间下所述查询文本的统一空间特征。
S130、根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
本申请实施例通过基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定查询文本的统一空间特征和候选视频的统一空间特征。因为基于文本语义空间和视频语义空间之间的转换关系，可以对查询文本和候选视频进行不同语义空间的准确转换，所以本申请实施例可以实现对统一空间特征的准确确定。基于准确确定的统一空间特征可以实现对查询文本和候选视频之间相似度的准确确定，进而提高目标视频的检索准确率。
为进一步提高相似度的确定准确率，所述根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度，包括：
基于统一空间特征，计算所查询文本中查询词与所述候选视频的词语相似度；
根据查询词在所述检索输入文本中的重要度，确定所述词语的权重；
根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
第二实施例
图2是本申请第二实施例提供的一种视频检索方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本申请实施例提供的视频检索方法包括：
S210、获取用户输入的查询文本，并基于文本语义空间确定所述查询文本的文本空间特征。
其中，查询文本的文本空间特征是指，查询文本在文本语义空间中的特征。
可选地，可以基于现有技术中的任意文本特征提取方式，实现对查询文本的文本空间特征提取，本实施例对此并不进行任何限制。
具体地，基于文本语义空间确定所述查询文本的文本空间特征，包括：
对查询文本分词，得到查询词；
确定查询词的词向量，基于预先训练的特征提取模型对所述词向量进行特征提取，生成文本空间特征。
S220、基于视频语义空间，确定候选视频的视频空间特征。
其中，候选视频的视频空间特征是指，候选视频在视频语义空间中的特征。
具体地，基于视频语义空间，确定候选视频的视频空间特征，包括：
对候选视频中的视频图像进行实体识别；
将识别的实体特征向量作为候选视频的视频空间特征。
S230、基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。
可选地，基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征，包括：
基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间，生成所述查询文本的统一空间特征；和/或
基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间，生成所述候选视频的统一空间特征。
具体地，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述文本空间特征投射到所述视频语义空间，生成所述查询文本的统一空间特征，包括：
基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，将该语义分布作为所述查询文本的统一空间特征。
具体地，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：
将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。
S240、根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度。
S250、根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
本申请实施例通过基于视频语义空间，确定候选视频的视频空间特征，对查询文本的文本空间特征和候选视频的视频空间特征进行空间统一，基于统一空间特征进行查询文本和候选视频的相似度计算，并根据计算的相似度从候选视频中确定目标视频，从而实现基于视频空间特征对视频的检索。因为视频空间特征可以准确反应视频内容，所以本申请实施例可以实现对视频的准确检索。
第三实施例
图3是本申请第三实施例提供的一种视频检索方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3，本申请实施例提供的视频检索方法包括：
S310、获取用户输入的查询文本，并基于文本语义空间确定所述查询文本的文本空间特征。
S320、确定候选视频帧中目标实体的目标特征。
其中，候选视频帧是指候选视频中的视频图像。
目标实体是指候选视频中的关键实体，具体可以根据实际需要设定。
目标特征是表征目标实体的特征。
具体地，所述确定候选视频帧中目标实体的目标特征，包括：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
示例性地，确定的目标实体为人、马和汽车。确定候选视频帧中目标实体的目标特征的过程可以描述如下：
对候选视频中的图像进行目标实体检测，根据检测的目标实体所属图像区域，确定目标实体的候选特征；
对检测到的所有候选特征进行聚类，得到目标实体为人的候选特征集合、目标实体为马的候选特征集合和目标实体为汽车的候选特征集合；
根据候选特征的置信度，从人的候选特征集合中确定人的目标特征，从马的候选特征集合中确定马的目标特征，从汽车的候选特征集合中确定汽车的目标特征。
S330、根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征。
具体地，根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征，包括：
根据所述目标实体在候选视频中单帧图像的出现信息，以及所述目标特征，确定针对单帧图像的子特征；
依据图像的发生顺序对确定的子特征进行组合，得到所述候选视频的稠密特征。
典型地，根据所述目标实体在候选视频中单帧图像的出现信息，以及所述目标特征，确定针对单帧图像的子特征，包括：
对单帧图像中出现的目标实体，在该单帧图像子特征中的相应位置填写目标实体的目标特征，对子特征中的其他位置进行设定特征的填写。
可选地，根据所述目标实体在候选视频中单帧图像的出现信息，以及所述目标特征，确定针对单帧图像的子特征，包括：
将单帧图像中出现的目标实体的目标特征作为该单帧图像的子特征。
S340、将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
S350、基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。
S360、根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度。
S370、根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
本申请实施例通过根据候选视频帧中目标实体的出现信息，以及目标实体的目标特征，确定候选视频的稠密特征，并将目标实体在候选视频帧中的位置信息、目标实体的面积和候选视频帧的发生顺序中的至少一种，与稠密特征进行组合，以得到候选视频的视频空间特征，从而实现视频空间特征的提取。
因为视频空间特征根据候选视频帧中目标实体的出现信息，以及目标实体的目标特征确定，所以视频空间特征反应有视频的局部关键信息。进而基于局部关键信息可以实现对视频的准确检索。
为进一步提高视频空间特征的确定准确率，所述候选视频帧为所述候选视频中的关键帧。
第四实施例
本实施例是在上述实施例的基础上提出的一种可选方案。本实施例提供的视频检索方法包括：
1、对候选视频进行视频空间特征确定。
参见图4，提取候选视频中的视频关键帧；
基于目标定位网络(faster rcnn)对所述关键帧进行目标实体提取；
根据提取结果确定目标实体候选特征的置信度、目标实体的位置信息、目标实体的面积和目标实体所属帧；
根据目标实体候选特征的置信度，确定目标实体的目标特征；
根据目标实体的目标特征和目标实体所属帧，确定候选视频的稠密特征；
将稠密特征、目标实体的位置信息、目标实体的面积和目标实体所属帧进行组合，生成候选视频的视频空间特征。
2、确定查询文本的文本空间特征。
3、参见图5，基于注意力机制，对文本空间特征与视觉空间特征进行反复交叉，分别提取特征在另一语义空间下的相关语义特征。
4、以词粒度计算查询文本与候选视频之间的语义相关性，以及候选视频与查询文本之间的语义相关性，并在最后进行相关性融合，基于融合结果确定目标视频。
参见图6，示例性地，以查询文本为“菠萝怎么做米饭”，计算查询文本与候选视频之间的语义相关性包括：
计算查询文本中各查询词(w1，w2，w3，w14)在视频语义空间(v1…vk)下的语义分布；
根据计算的语义分布，确定查询词与候选视频的相似度sim(w，v)；
根据查询词在查询文本中的重要度，对查询词与候选视频的相似度进行加权平均，得到查询文本与候选视频之间的相似度sim(Q，v)。
本申请实施例提出了一种全新的用于检索的视频特征提取技术，同时在文本特征与视频语义特征计算中，引入了特征多层交叉对齐的思路，解决了实际问题中短视频检索的问题。同时，该技术在图片检索上，同样能起到良好的效果，该方法具有很好的迁移性。
第五实施例
图7是本申请第五实施例提供的一种视频检索装置的结构示意图。参见图7，本申请实施例提供的视频检索装置700包括：特征确定模块701、相似度确定模块702和目标视频选择模块703。
其中，特征确定模块701，用于基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定所述查询文本的统一空间特征和所述候选视频的统一空间特征；
相似度确定模块702，用于根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；
目标视频选择模块703，用于根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果。
本申请实施例通过基于文本语义空间和视频语义空间之间的转换关系，根据查询文本和候选视频，确定查询文本的统一空间特征和候选视频的统一空间特征。因为基于文本语义空间和视频语义空间之间的转换关系，可以对查询文本和候选视频进行不同语义空间的准确转换，所以本申请实施例可以实现对统一空间特征的准确确定。基于准确确定的统一空间特征可以实现对查询文本和候选视频之间相似度的准确确定，进而提高目标视频的检索准确率。
进一步地，所述特征确定模块，包括：
文本特征确定单元，用于基于所述文本语义空间，确定所述查询文本的文本空间特征；
视频特征确定单元，用于基于所述视频语义空间，确定所述候选视频的视频空间特征；
空间统一单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征。
进一步地，所述视频特征确定单元，包括：
目标特征确定子单元，用于确定候选视频帧中目标实体的目标特征；
稠密特征确定子单元，用于根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；
视频特征确定子单元，用于将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
进一步地，所述目标特征确定子单元，具体用于：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
进一步地，所述空间统一单元，包括：
视频空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系；和/或
文本空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间。
进一步地，所述视频空间统一子单元具体用于：
基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布。
进一步地，基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：
将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。
进一步地，所述相似度确定模块，包括：
词语相似度单元，用于基于统一空间特征，计算所查询文本中查询词与所述候选视频的词语相似度；
权重确定单元，用于根据查询词在所述检索输入文本中的重要度，确定所述查询词的权重；
文本相似度单元，用于根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
第六实施例
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图8所示，是根据本申请实施例的视频检索方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频检索方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频检索方法。
存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频检索方法对应的程序指令/模块(例如，附图7所示的特征确定模块701、相似度确定模块702和目标视频选择模块703)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频检索方法。
存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据视频检索电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至视频检索电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
视频检索方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与视频检索电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (11)

1.一种视频检索方法，其特征在于，包括：
基于文本语义空间，确定查询文本的文本空间特征；
基于视频语义空间，确定候选视频的视频空间特征；
基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征；其中，所述文本语义空间和视频语义空间之间的转换关系，通过文本及文本的视频语义空间表示和视频及视频的文本空间表示统计得到，或通过模型学习得到；所述统一空间特征是在统一语义空间中，查询文本或候选视频的语义特征；所述统一语义空间包括视频语义空间或文本语义空间；
根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；
根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果；
其中，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征，包括：
基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，将该语义分布作为所述查询文本的统一空间特征；和/或
基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间，以得到所述候选视频的统一空间特征。
2.根据权利要求1所述的方法，其特征在于，所述基于视频语义空间，确定所述候选视频的视频空间特征，包括：
确定候选视频帧中目标实体的目标特征；
根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；
将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
3.根据权利要求2所述的方法，其特征在于，所述确定候选视频帧中目标实体的目标特征，包括：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
4.根据权利要求1所述的方法，其特征在于，所述基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，包括：
将所述文本空间特征作为输入特征，将所述视频空间特征作为输出特征，将所述输入特征和所述输出特征输入预先训练的转换器模型中，输出所述查询文本中查询词在所述视频语义空间下的语义分布。
5.根据权利要求1所述的方法，其特征在于，所述根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度，包括：
基于统一空间特征，计算所述查询文本中查询词与所述候选视频的词语相似度；
根据查询词在所述查询文本中的重要度，确定所述词语的权重；
根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
6.一种视频检索装置，其特征在于，包括：
文本特征确定单元，用于基于文本语义空间，确定查询文本的文本空间特征；
视频特征确定单元，用于基于视频语义空间，确定候选视频的视频空间特征；
空间统一单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，对所述文本空间特征和所述视频空间特征进行空间统一，以得到统一空间特征；其中，所述文本语义空间和视频语义空间之间的转换关系，通过文本及文本的视频语义空间表示和视频及视频的文本空间表示统计得到，或通过模型学习得到；所述统一空间特征是在统一语义空间中，查询文本或候选视频的语义特征；所述统一语义空间包括视频语义空间或文本语义空间；
相似度确定模块，用于根据所述查询文本的统一空间特征和所述候选视频的统一空间特征，确定所述查询文本和所述候选视频的相似度；
目标视频选择模块，用于根据所述相似度从所述候选视频中选择目标视频，并将所述目标视频作为查询结果；
其中，所述空间统一单元，包括：
视频空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，根据所述文本空间特征和所述视频空间特征，计算所述查询文本中查询词在所述视频语义空间下的语义分布，将该语义分布作为所述查询文本的统一空间特征；和/或
文本空间统一子单元，用于基于所述文本语义空间和所述视频语义空间之间的转换关系，将所述视频空间特征投射到所述文本语义空间，以得到所述候选视频的统一空间特征。
7.根据权利要求6所述的装置，其特征在于，所述视频特征确定单元，包括：
目标特征确定子单元，用于确定候选视频帧中目标实体的目标特征；
稠密特征确定子单元，用于根据所述目标实体的出现信息，以及所述目标特征，确定所述候选视频的稠密特征；
视频特征确定子单元，用于将所述目标实体在所述候选视频帧中的位置信息、所述目标实体的面积和所述候选视频帧的发生顺序中的至少一种，与所述稠密特征进行组合，以得到所述候选视频的视频空间特征。
8.根据权利要求7所述的装置，其特征在于，所述目标特征确定子单元，具体用于：
确定所述候选视频帧中目标实体的候选特征；
对确定的候选特征进行聚类，以将确定的候选特征与所述目标实体关联；
基于所述候选特征的置信度，从与所述目标实体关联的候选特征中，确定所述目标实体的目标特征。
9.根据权利要求6所述的装置，其特征在于，所述相似度确定模块，包括：
词语相似度单元，用于基于统一空间特征，计算所述查询文本中查询词与所述候选视频的词语相似度；
权重确定单元，用于根据查询词在所述查询文本中的重要度，确定所述查询词的权重；
文本相似度单元，用于根据确定的权重，对所述词语相似度进行加权求和，得到所述查询文本与所述候选视频的相似度。
10. 一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010018056.5A 2020-01-08 2020-01-08 视频检索方法、装置、设备和介质 Active CN113094550B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010018056.5A CN113094550B (zh) 2020-01-08 2020-01-08 视频检索方法、装置、设备和介质
US17/023,039 US20210209155A1 (en) 2020-01-08 2020-09-16 Method And Apparatus For Retrieving Video, Device And Medium
EP21150567.2A EP3848819A1 (en) 2020-01-08 2021-01-07 Method and apparatus for retrieving video, device and medium
KR1020210002756A KR102510640B1 (ko) 2020-01-08 2021-01-08 비디오 검색 방법, 장치, 기기 및 매체
JP2021002043A JP7304370B2 (ja) 2020-01-08 2021-01-08 ビデオ検索方法、装置、デバイス及び媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010018056.5A CN113094550B (zh) 2020-01-08 2020-01-08 视频检索方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113094550A CN113094550A (zh) 2021-07-09
CN113094550B true CN113094550B (zh) 2023-10-24

Family

ID=74105930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010018056.5A Active CN113094550B (zh) 2020-01-08 2020-01-08 视频检索方法、装置、设备和介质

Country Status (5)

Country Link
US (1) US20210209155A1 (zh)
EP (1) EP3848819A1 (zh)
JP (1) JP7304370B2 (zh)
KR (1) KR102510640B1 (zh)
CN (1) CN113094550B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021145030A1 (ja) * 2020-01-13 2021-07-22 日本電気株式会社 映像検索システム、映像検索方法、及びコンピュータプログラム
US20230297613A1 (en) * 2020-09-30 2023-09-21 Nec Corporation Video search system, video search method, and computer program
CN113590881B (zh) * 2021-08-09 2024-03-19 北京达佳互联信息技术有限公司 视频片段检索方法、视频片段检索模型的训练方法及装置
CN113901330B (zh) * 2021-12-09 2022-10-11 北京达佳互联信息技术有限公司 视频搜索方法、装置、电子设备以及存储介质
CN114612826A (zh) * 2022-03-09 2022-06-10 平安科技（深圳）有限公司 视频和文本相似度确定方法、装置、电子设备、存储介质
CN114356852B (zh) * 2022-03-21 2022-09-09 展讯通信(天津)有限公司 一种文件检索方法、电子设备及存储介质
CN115599984B (zh) * 2022-09-09 2023-06-09 北京理工大学 一种检索方法
CN115630099B (zh) * 2022-11-29 2023-10-10 云工工业科技（深圳）有限公司 一种基于大数据的辅助决策方法及ai系统
CN115687687B (zh) * 2023-01-05 2023-03-28 山东建筑大学 一种面向开放域查询的视频片段搜索方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107562812A (zh) * 2017-08-11 2018-01-09 北京大学 一种基于特定模态语义空间建模的跨模态相似性学习方法
CN108319686A (zh) * 2018-02-01 2018-07-24 北京大学深圳研究生院 基于受限文本空间的对抗性跨媒体检索方法
CN109089133A (zh) * 2018-08-07 2018-12-25 北京市商汤科技开发有限公司 视频处理方法及装置、电子设备和存储介质
CN109472232A (zh) * 2018-10-31 2019-03-15 山东师范大学 基于多模态融合机制的视频语义表征方法、系统及介质
CN110019889A (zh) * 2017-12-01 2019-07-16 北京搜狗科技发展有限公司 训练特征提取模型及计算图片与查询词相关性系数的方法和相关装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6555810B2 (ja) * 2015-07-15 2019-08-07 日本放送協会 類似度算出装置、類似検索装置、および類似度算出プログラム
US9836671B2 (en) * 2015-08-28 2017-12-05 Microsoft Technology Licensing, Llc Discovery of semantic similarities between images and text
US10289642B2 (en) * 2016-06-06 2019-05-14 Baidu Usa Llc Method and system for matching images with content using whitelists and blacklists in response to a search query
US11409791B2 (en) * 2016-06-10 2022-08-09 Disney Enterprises, Inc. Joint heterogeneous language-vision embeddings for video tagging and search
CN110532571B (zh) * 2017-09-12 2022-11-18 腾讯科技（深圳）有限公司 文本处理方法及相关装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107562812A (zh) * 2017-08-11 2018-01-09 北京大学 一种基于特定模态语义空间建模的跨模态相似性学习方法
CN110019889A (zh) * 2017-12-01 2019-07-16 北京搜狗科技发展有限公司 训练特征提取模型及计算图片与查询词相关性系数的方法和相关装置
CN108319686A (zh) * 2018-02-01 2018-07-24 北京大学深圳研究生院 基于受限文本空间的对抗性跨媒体检索方法
CN109089133A (zh) * 2018-08-07 2018-12-25 北京市商汤科技开发有限公司 视频处理方法及装置、电子设备和存储介质
CN109472232A (zh) * 2018-10-31 2019-03-15 山东师范大学 基于多模态融合机制的视频语义表征方法、系统及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种新的基于稀疏编码Hash的跨模多媒体数据检索算法;谭涛;谭乐婷;贺春林;;吉林大学学报(理学版)(第02期);第163-169页 *
基于深度典型相关性分析的跨媒体语义检索;王述;史忠植;;中国科学技术大学学报(第04期);第65-73页 *
基于深度学习的数字图书馆跨媒体语义检索方法研究;彭欣;;情报探索(第02期);第20-23页 *

Also Published As

Publication number Publication date
KR102510640B1 (ko) 2023-03-15
KR20210089597A (ko) 2021-07-16
JP2021114287A (ja) 2021-08-05
US20210209155A1 (en) 2021-07-08
CN113094550A (zh) 2021-07-09
EP3848819A1 (en) 2021-07-14
JP7304370B2 (ja) 2023-07-06

Similar Documents

Publication Publication Date Title
CN113094550B (zh) 视频检索方法、装置、设备和介质
JP7317791B2 (ja) エンティティ・リンキング方法、装置、機器、及び記憶媒体
US20210303921A1 (en) Cross-modality processing method and apparatus, and computer storage medium
KR102557681B1 (ko) 시계열 지식그래프 생성 방법, 장치, 기기 및 매체
CN111104514B (zh) 文档标签模型的训练方法及装置
CN111259671B (zh) 文本实体的语义描述处理方法、装置及设备
CN111782977B (zh) 兴趣点处理方法、装置、设备及计算机可读存储介质
US20210312172A1 (en) Human body identification method, electronic device and storage medium
CN110991196B (zh) 多义词的翻译方法、装置、电子设备及介质
KR20220003085A (ko) 검색 결과를 결정하는 방법, 장치, 기기 및 컴퓨터 기록 매체
JP6986187B2 (ja) 人物識別方法、装置、電子デバイス、記憶媒体、及びプログラム
CN111737954B (zh) 文本相似度确定方法、装置、设备和介质
CN111241838B (zh) 文本实体的语义关系处理方法、装置及设备
CN111949814A (zh) 搜索方法、装置、电子设备和存储介质
KR20210132578A (ko) 지식 그래프를 구축하는 방법, 장치, 기기 및 저장 매체
CN111639228B (zh) 视频检索方法、装置、设备及存储介质
JP2021111334A (ja) 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器
US11663260B2 (en) Method and apparatus for searching multimedia content device, and storage medium
US11557120B2 (en) Video event recognition method, electronic device and storage medium
CN112541362B (zh) 一种泛化处理的方法、装置、设备和计算机存储介质
CN111797216B (zh) 检索项改写方法、装置、设备以及存储介质
CN111523007B (zh) 用户感兴趣信息确定方法、装置、设备以及存储介质
CN111090991A (zh) 场景纠错方法、装置、电子设备和存储介质
CN111666417B (zh) 生成同义词的方法、装置、电子设备以及可读存储介质
CN112328896B (zh) 用于输出信息的方法、装置、电子设备和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant