CN113254716A - 视频片段检索方法、装置、电子设备和可读存储介质 - Google Patents

视频片段检索方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN113254716A
CN113254716A CN202110577336.4A CN202110577336A CN113254716A CN 113254716 A CN113254716 A CN 113254716A CN 202110577336 A CN202110577336 A CN 202110577336A CN 113254716 A CN113254716 A CN 113254716A
Authority
CN
China
Prior art keywords
network
edge
node
video
updating
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.)
Granted
Application number
CN202110577336.4A
Other languages
English (en)
Other versions
CN113254716B (zh
Inventor
徐常胜
高君宇
王威
姚寒星
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.)
Institute of Automation of Chinese Academy of Science
Beijing LLvision Technology Co ltd
Original Assignee
Institute of Automation of Chinese Academy of Science
Beijing LLvision 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 Institute of Automation of Chinese Academy of Science, Beijing LLvision Technology Co ltd filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202110577336.4A priority Critical patent/CN113254716B/zh
Publication of CN113254716A publication Critical patent/CN113254716A/zh
Application granted granted Critical
Publication of CN113254716B publication Critical patent/CN113254716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/7867—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种视频片段检索方法、装置、电子设备和计算机可读存储介质，涉及视频检索技术领域。其中，视频片段检索方法包括：在候选视频的语义空间中查询查询语句的多个相似语句；基于多个相似语句分别构建图神经网络，得到多个图神经网络；基于检测距离对多个图神经网络进行排序，生成网络序列；将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，得到对应的节点更新特征和边更新特征；基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息，直至得到尾部更新网络；计算尾部更新网络中与相似语句节点相连的边更新特征的置信度；得到视频片段的检索结果。通过本公开的技术方案，有利于提高对视频片段的检索性能。

Description

视频片段检索方法、装置、电子设备和可读存储介质
技术领域
本公开涉及视频检索技术领域，尤其涉及一种视频片段检索方法、装置、电子设备和计算机可读存储介质。
背景技术
随着智能终端的普及，每天有海量的视频内容被上传至视频分享网站。对于终端来说，亟需一种强大的可以通过任意自然语言检索感兴趣视频的方法。
相关技术中，通过学习视频和自然语言描述的稠密向量表示，并将稠密向量映射到同一个特征空间，使匹配的视频-文本尽可能靠近，不匹配的尽可能远离，但是该方案存在以下缺陷：
由于参与对比的样本数量只有两到三个，并且这些样本均属于视频模态或者文本模态，也就是说仅仅考虑了两到三个跨模态样本之间的关系，并使用对比损失或者三元组损失进行学习，而忽略了整体其他样本间的结构关系，导致检索效率不够高。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种视频片段检索方法、装置、电子设备和计算机可读存储介质，至少在一定程度上克服由于相关技术中视频片段检索性能不够高的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种视频片段检索方法，包括：响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句；基于多个所述相似语句分别构建图神经网络，以得到多个所述图神经网络，其中，在所述语义空间中查询与每个所述相似语句接近的视频样本和文本样本，并将所述相似语句作为相似语句节点、将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络；基于所述检测距离对所述多个图神经网络进行排序，生成网络序列；在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征；基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络；计算尾部更新网络中与所述相似语句节点相连的所述边更新特征的置信度；基于所述置信度最高的所述边更新特征对应的所述视频节点得到所述视频片段的检索结果。
在本公开的一个实施例中，所述在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征，具体包括：每个所述图神经网络包括多个网络层，获取所述上一图神经网络中第一网络层的所述第一知识信息；基于所述第一知识信息与第二网络层中第二网络连接边的边特征，更新所述第二网络层中与所述第二网络连接边相连的节点特征，得到所述节点更新特征，其中，所述第二网络层为所述下一图神经网络中与所述第一网络层处于同一层的网络层；基于所述第二网络层中相邻两个节点的所述节点更新特征和所述第一知识信息更新所述相邻两个节点之间的所述第二网络连接边的边特征，得到所述边更新特征。
在本公开的一个实施例中，所述基于所述第一知识信息与第二网络层中所述第二网络连接边的边特征，更新所述第二网络层中与所述第二网络连接边相连的节点特征，得到所述节点更新特征，具体包括：基于所述第一知识信息和可学习的变换矩阵生成第一特征；基于所述第二网络连接边的边特征和所述第二网络层的上层节点特征生成第二特征；将所述第一特征和所述第二特征进行串联，得到串联特征；基于预设的节点更新网络对所述串联特征进行更新，得到所述节点更新特征。
在本公开的一个实施例中，所述基于所述第二网络层中相邻两个节点的所述节点更新特征和所述第一知识信息更新所述相邻两个节点之间的所述第二网络连接边的边特征，得到所述边更新特征，具体包括：基于相邻两个节点的所述节点更新特征和所述第一知识信息生成节点度量值；基于所述节点度量值与所述第二网络层的上层边特征更新所述第二网络连接边的边特征，得到所述边更新特征。
在本公开的一个实施例中，所述基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络，具体包括：将所述第一知识信息确定为查询语句，基于所述第二网络层的所述节点更新信息生成键和值；计算所述查询语句和所述键之间的相似性，得到所述键对应的所述值的权重系数；对所述值进行加权求和，得到注意力值；基于所述注意力值生成所述第二知识信息，直至基于所述知识迁移得到所述尾部更新网络。
在本公开的一个实施例中，所述基于所述注意力值生成所述第二知识信息，具体包括：将所述注意力值输入门控循环神经网络，以输出所述第二知识信息。
在本公开的一个实施例中，在响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句之前，还包括：将候选视频输入预训练的视频检索模型；将输出到所述语义空间的多维向量确定为所述视频样本和所述文本样本。
在本公开的一个实施例中，所述将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络，还包括：基于相邻所述网络节点之间的余弦距离、一范数和二范数拼接构成三维的特征向量，以对所述连接边进行初始化。
根据本公开的另一个方面，提供一种视频片段检索装置，包括：查询模块，用于响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句；构建模块，用于基于多个所述相似语句分别构建图神经网络，以得到多个所述图神经网络，其中，在所述语义空间中查询与每个所述相似语句接近的视频样本和文本样本，并将所述相似语句作为相似语句节点、将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络；排序模块，用于基于所述检测距离对所述多个图神经网络进行排序，生成网络序列；更新模块，用于在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征；知识迁移模块，用于基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络；计算模块，用于计算尾部更新网络中与所述相似语句节点相连的所述边更新特征的置信度；确定模块，用于基于所述置信度最高的所述边更新特征对应的所述视频节点得到所述视频片段的检索结果。
根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的视频片段检索方法。
根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的视频片段检索方法。
本公开的实施例所提供的视频片段检索方案，通过在接收到查询语句时，从共同的语义空间内查询距离相近的多个相似语句，以基于多个相似语句构建出多个图神经网络，通过对多个图神经网络进行排序，生成用于进行知识迁移的网络序列，在每个图神经网络中，通过对网络节点和连接边进行交替更新，实现相邻的两个图伸进网络之间从前向后的知识迁移，通过知识迁移操作后，能够从相似查询语句的检索过程中提取特定或者通用的知识来辅助当前的检索过程，以在基于边更新特征的置信度确定对应的视频节点时，有利于提高对视频片段的检索性能。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种视频片段检索系统结构的示意图；
图2示出本公开实施例中一种视频片段检索方法的流程图；
图3示出本公开实施例中另一种视频片段检索方法的流程图；
图4示出本公开实施例中又一种视频片段检索方法的流程图；
图5示出现有技术中一种视频片段检索方案的示意图；
图6示出本公开实施例中一种视频片段检索方案的多层示意图；
图7示出本公开实施例中另一种视频片段检索方法的流程图；
图8示出本公开实施例中一种视频片段检索装置的示意图；
图9示出本公开实施例中一种电子设备的示意图；和
图10示出本公开实施例中一种计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了便于理解，下面首先对本申请涉及到的几个名词进行解释。
余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。其中，余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，叫"余弦相似性"。
范数，函数与几何图形往往是有对应的关系，而几何图形是函数的高度形象化，比如一个函数对应几何空间上若干点组成的图形。但当函数与几何超出三维空间时，就难以获得较好的想象，于是就有了映射的概念，映射表达的就是一个集合通过某种关系转为另外一个集合。为了更好的在数学上表达映射关系，引进了矩阵。用矩阵就是表征上述空间映射的线性关系。一个集合(向量)，通过一种映射关系(矩阵)，得到另外一个几何(另外一个向量)。向量的范数表示这个原有集合的大小。矩阵的范数表示这个变化过程的大小的一个度量。
图1示出本公开实施例中一种视频片段检索系统的结构示意图，包括多个终端120和服务器集群140。
终端120可以是手机、游戏主机、平板电脑、电子书阅读器、智能眼镜、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、智能家居设备、AR(Augmented Reality，增强现实)设备、VR(Virtual Reality，虚拟现实)设备等移动终端，或者，终端120也可以是个人计算机(Personal Computer，PC)，比如膝上型便携计算机和台式计算机等等。
其中，终端120中可以安装有用于提供视频片段检索的应用程序。
终端120与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
服务器集群140是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心。服务器集群140用于为提供视频片段检索的应用程序提供后台服务。可选地，服务器集群140承担主要计算工作，终端120承担次要计算工作；或者，服务器集群140承担次要计算工作，终端120承担主要计算工作；或者，终端120和服务器集群140之间采用分布式计算架构进行协同计算。
在一些可选的实施例中，服务器集群140用于存储视频片段检索信息。
可选地，不同的终端120中安装的应用程序的客户端是相同的，或两个终端120上安装的应用程序的客户端是不同控制系统平台的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端或者全球广域网(World Wide Web，Web)客户端等。
本领域技术人员可以知晓，上述终端120的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本申请实施例对终端的数量和设备类型不加以限定。
可选的，该系统还可以包括管理设备(图1未示出)，该管理设备与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
下面，将结合附图及实施例对本示例实施方式中的视频片段检索方法的各个步骤进行更详细的说明。
图2示出本公开实施例中一种视频片段检索方法流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行，例如如图1中的终端120和/或服务器集群140。在下面的举例说明中，以终端120为执行主体进行示例说明。
如图2所示，终端120执行视频片段检索方法，包括以下步骤：
步骤S202，响应于接收到的查询语句，在候选视频的语义空间中查询与查询语句之间的检测距离小于或等于预设距离的多个相似语句。
其中，查询语句用于查询目标视频片段，相似语句qi指在共同的语义空间内，查询到的距离接收到的查询语句q根据一定间隔由远即近选择得到的多个语句信息。
步骤S204，基于多个相似语句分别构建图神经网络，以得到多个图神经网络。
其中，对于每个相似语句，在语义空间中查询与每个相似语句接近的视频样本和文本样本，并将相似语句作为相似语句节点、将视频样本作为视频节点，以及将文本样本作为文本节点构造网络节点，结合相邻网络节点之间的连接边，构造图神经网络。
具体地，对于每一个相似语句qi，在共同语义空间内找到与之最接近的K个视频样本和K个文本样本，将这共2K+1个样本构成一个图网络的节点特征。
另外，通过选取视频和文本模态的邻近样本作为节点，并用启发式的特征作为边，以建立邻域内不同样本之间的关联。
步骤S206，基于检测距离对多个图神经网络进行排序，生成网络序列。
其中，根据距离查询语句q由远即近选择得到的多个相似语句排列图神经网络，生成网络序列。
步骤S208，在网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使下一图神经网络中的网络节点的节点特征和连接边的边特征交替更新，得到对应的节点更新特征和边更新特征。
步骤S210，基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息，直至对网络序列的尾部的下一图神经网络完成知识迁移，得到尾部更新网络。
其中，通过在网络序列中从前向后逐一进行知识迁移操作，最后得到尾部更新网络，使得到的尾部更新网络能够学习到邻近样本的结构信息和相似查询语句提供的可用信息，并基于上述信息辅助检索。
步骤S212，计算尾部更新网络中与相似语句节点相连的边更新特征的置信度。
其中，置信度用于表征实际查询到的视频片段和理想视频片段之间的差距小于给定值的概率，置信度越大，即表明实际查询到的视频片段和理想视频片段之间的距离越小。
步骤S214，基于置信度最高的边更新特征对应的视频节点得到视频片段的检索结果。
其中，通过对每一层与相似语句q相连的视频节点之间的边特征进行置信度打分，从而选择最高分的边对应的视频节点作为最终检索结果。
在该实施例中，通过在接收到查询语句时，从共同的语义空间内查询距离相近的多个相似语句，以基于多个相似语句构建出多个图神经网络，通过对多个图神经网络进行排序，生成用于进行知识迁移的网络序列，在每个图神经网络中，通过对网络节点和连接边进行交替更新，实现相邻的两个图伸进网络之间从前向后的知识迁移，通过知识迁移操作后，能够从相似查询语句的检索过程中提取特定或者通用的知识来辅助当前的检索过程，以在基于边更新特征的置信度确定对应的视频节点时，有利于提高对视频片段的检索性能。
如图3所示，在本公开的一个实施例中，步骤S208，在网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使下一图神经网络中的网络节点的节点特征和连接边的边特征交替更新，得到对应的节点更新特征和边更新特征的一种具体实现方式，包括：
步骤S302，每个图神经网络包括多个网络层，获取上一图神经网络中的第一网络层的第一知识信息。
步骤S304，基于第一知识信息与第二网络层中第二网络连接边的边特征，更新第二网络层中与第二网络连接边相连的节点特征，得到节点更新特征，其中，第二网络层为下一图神经网络中与第一网络层处于同一层的网络层。
步骤S306，基于第二网络层中相邻两个节点的节点更新特征和第一知识信息更新相邻两个节点之间的第二网络连接边的边特征，得到边更新特征。
在该实施例中，假设每个图神经网络都有L层，在网络序列中，在得到上一图神经网络即第t-1个图神经网络第l层的知识信息
Figure BDA0003084892160000101
即第一知识信息后，基于第一知识信息实现下一图神经网络中第l层节点特征和边特征的交替更新，实现了基于知识引导的图网络消息的传播，从而能够利用了视频和文本模态的样本间的隐含结构关联，以及其他类似检索过程中的有用知识，辅助当前的检索过程。
如图4所示，在本公开的一个实施例中，步骤S304，基于第一知识信息与第二网络层中第二网络连接边的边特征，更新第二网络层中与第二网络连接边相连的节点特征，得到节点更新特征一种具体实现方式，包括：
步骤S402，基于第一知识信息和可学习的变换矩阵生成第一特征。
步骤S404，基于第二网络连接边的边特征和第二网络层的上层节点特征生成第二特征。
步骤S406，将第一特征和第二特征进行串联，得到串联特征。
步骤S408，基于预设的节点更新网络对串联特征进行更新，得到节点更新特征。
在该实施例中，通过聚合邻近的节点特征和相连的边特征，来更新得到当前第t个图神经网络第l层新的节点特征。由于边特征的每个元素都是相连节点相似度的一种度量，通过综合的衡量相邻两个节点的相似度并以此对节点特征进行加权聚合，以及与先前相关检索过程得到的知识相融合，实现在考虑了结构信息和知识信息的情况下更新节点特征。
具体地，采用公式(1)基于知识引导的方式更新节点特征：
Figure BDA0003084892160000102
其中，上标l是指图神经网络的第l层，
Figure BDA0003084892160000103
为节点更新特征，fx是指节点更新网络，
Figure BDA0003084892160000111
为可学习的变换矩阵，
Figure BDA0003084892160000112
是第t-1个图神经网络第l层的知识信息，D指边特征的维度，eijd指连接节点xi和xj的边特征eij的第d个元素，||指将特征进行串连操作。
如图4所示，进一步地，在本公开的一个实施例中，步骤S306，基于第二网络层中相邻两个节点的节点更新特征和第一知识信息更新相邻两个节点之间的第二网络连接边的边特征，得到边更新特征的一种具体实现方式，包括：
步骤S410，基于相邻两个节点的节点更新特征和第一知识信息生成节点度量值。
步骤S412，基于节点度量值与第二网络层的上层边特征更新第二网络连接边的边特征，得到边更新特征。
在该实施例中，在得到节点更新特征之后，采用边更新网络fe和第一知识信息
Figure BDA0003084892160000113
更新图神经网络的中边特征，从而能够针对不同类型的节点设计不同的边更新网络，并能够应用于具有复杂结构关系的图神经网络的模型中。
具体地，对于边特征内的元素eijd，根据所有与之相连的边特征的加权和来进行更新，如图公式(2)所示。
Figure BDA0003084892160000114
其中，
Figure BDA0003084892160000115
用于度量知识引导下的相邻两个节点的重要性，即生成的节点度量值，其输出的维度与边特征eij一致，
Figure BDA0003084892160000116
为可学习的变换矩阵。
在本公开的一个实施例中，步骤S210，基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息，直至对网络序列的尾部的下一图神经网络完成知识迁移，得到尾部更新网络的一种具体实现方式，包括：将第一知识信息确定为查询语句query，第二网络层的节点更新信息分别确定为键key和值value；计算Query和Key之间的相似性，得到Key的Value的权重系数；对Value进行加权求和，得到注意力值，即Attention数值；基于Attention数值生成第二知识信息，直至基于知识迁移得到尾部更新网络。
具体地，在第t个图神经网络中的节点特征和边特征都更新，得到节点更新特征和边更新特征后，按照类似Transformer的方式设计知识引导的注意力机制以聚合知识，将先前提取到的第一知识信息
Figure BDA0003084892160000121
当作query，将当前层的节点信息当作key和value，实现提取每一层中包含的知识信息，其提取方式如公式(3)至(6)所示：
Figure BDA0003084892160000122
Figure BDA0003084892160000123
Figure BDA0003084892160000124
Figure BDA0003084892160000125
其中，
Figure BDA0003084892160000126
和
Figure BDA0003084892160000127
为可学习的变换矩阵，Xl,t是第t个图神经网络第l层所有的节点特征，d是节点特征维度，
Figure BDA0003084892160000128
即为聚合后的知识，即注意力值。
具体地，如图5所示，Attention数值的计算过程包括阶段1、阶段2和阶段3三个阶段，其中，
在阶段1，对键key和查询语句query基于相似度函数F(Q,K)进行相似性或相关性运算得到相似度得分S。
在阶段2，通过引入类SoftMax的计算方式对阶段1生成的相似度得分S进行数值转换，一方面，可以通过归一化操作将原始计算分值整理成所有元素权重之和为1的概率分布，另一方面，也可以通过SoftMax的内在机制更加突出重要元素的权重，以得到权重系数a。计算过程如公式(7)所示：
Figure BDA0003084892160000129
在阶段3，对权重系数a和对应的值Value进行加权求和即可得到注意力值，其计算过程如公式(8)所示：
Figure BDA0003084892160000131
通过上述三个阶段的计算，即可求出针对Query的注意力值，目前绝大多数具体的注意力机制计算方法都符合上述的三阶段抽象计算过程。
在该实施例中，通过基于注意力机制探寻样本之间的相似性，使相似语句在检索过程提供有用信息，另外较为相似的查询语句所对应的检索过程往往共享了一些特定知识，而其它查询语句所对应的检索过程还可以共享了一些通用的常识信息，通过知识迁移的方式实现信息共享，以使知识信息被显式利用，进而能够提升检索效率。
在本公开的一个实施例中，基于注意力值生成第二知识信息，具体包括：将注意力值输入门控循环神经网络，并输出第二知识信息。
在该实施例中，通过将第t个图神经网络第l层的知识进行聚合后，要将其作为知识送入第t+1个图神经网络的第l层，为了对先前t个图神经网络的知识信息的依赖关系进行建模，将每次聚合得到的知识送入门控循环神经网络GRU得到更新后的知识，具体计算过程如公式(9)至公式(12)所示：
Figure BDA0003084892160000132
Figure BDA0003084892160000133
Figure BDA0003084892160000134
Figure BDA0003084892160000135
其中，zt和rt分别是更新门和重置门，W和U都为可学习的变换矩阵，初始化的隐变量
Figure BDA0003084892160000136
Figure BDA0003084892160000137
即为更新后的知识信息，将被送入第t+1个图神经网络。
在本公开的一个实施例中，在步骤S202，响应于接收到的查询语句，在候选视频的语义空间中查询与查询语句之间的检测距离小于或等于预设距离的多个相似语句之前，视频片段检索方法还包括：
将候选视频输入预训练的视频检索模型。
将输出到语义空间的多维向量确定为视频样本和文本样本。
在该实施例中，在执行视频检索之前，通过采用预训练的视频检索模型如DualEncoding(双重编码)在最后输出到共同语义空间的2048维向量作为视频和文本特征，实现视频和文本特征的学习，以基于学习到的视频样本和文本样本构建候选的视频片段集，进而通过知识迁移的方式查询视频片段，有利于提高检索质量和检索效率。
在本公开的一个实施例中，步骤S204中，将视频样本作为视频节点，以及将文本样本作为文本节点构造网络节点，结合相邻的网络节点之间的连接边，构造图神经网络，还包括：基于相邻网络节点之间的余弦距离、一范数和二范数拼接构成三维的特征向量，以对连接边进行初始化。
在该实施例中，针对图神经网络的边，采用其相连节点间的余弦距离cosine、一范数L1和二范数L2拼接构成三维的特征向量进行初始化，通过选取视频和文本模态的邻近样本作为节点，并用启发式的特征作为边，以基于邻域内不同样本之间的关联进行建模，进而实现对不同样本之间的关联进行探索，并将探索结果应用于检索过程中。
另外，为了避免深层网络梯度消失的问题，本公开在每一个网络层都添加了损失函数。由于训练过程中存在严重的正负样本不平衡问题，即只有一个正样本其余都为负样本，本申请中采用的聚焦损失计算公式如公式(13)所示：
Figure BDA0003084892160000141
其中，
Figure BDA0003084892160000142
是在第t个图神经网络第l层对连接相似语句节点q和第i个视频节点的边特征的打分结果，α和γ是平衡正负样本的系数，Yi是表示第i个视频节点是否是真实检索结果的0和1之间的二值标注标签。
如图6，图网络序列606包括多个图神经网络，在每个图神经网络的网络层中添加损失函数602，相邻的两个图神经网络基于模块604中的知识迁移操作，实现基于上一图神经网络的第一知识信息得到下一图神经网络的第二知识信息。具体地，在语义空间608查询视频特征和文本特征612，基于视频特征和文本特征612构造图神经网络，基于检测距离610由近至远对多个图神经网络进行排序，生成网络序列606。
如图7所示，相邻的上一图神经网络702和下一图神经网络706之间基于知识引导的图神经网络消息传播机制704进行知识迁移，并输出第一知识信息708，第一知识信息708通过可学习变换矩阵710得到查询语句Query712，对查询语句712进行归一化714处理得到键Keys716，键Keys716通过可学习变换矩阵718，得到下一图神经网络706的节点特征720，节点特征720与权重系数722通过加权模块724处理得到Attention值726，Attention值726通过门循环单元728处理得到下一图神经网络706的第二知识信息730。
本申请使用图神经网络最后一层的边特征置信度分数作为排序的依据，具有最高置信度的边所对应的视频节点即为最终的检索结果。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本发明的这种实施方式的视频片段检索装置800。图8所示的视频片段检索装置800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
视频片段检索装置800以硬件模块的形式表现。视频片段检索装置800的组件可以包括但不限于：查询模块802，用于响应于接收到的查询语句，在候选视频的语义空间中查询与查询语句之间的检测距离小于或等于预设距离的多个相似语句；构建模块804，用于基于多个相似语句分别构建图神经网络，以得到多个图神经网络，其中，在语义空间中查询与每个相似语句接近的视频样本和文本样本，并将相似语句作为相似语句节点、将视频样本作为视频节点，以及将文本样本作为文本节点构造网络节点，结合相邻的网络节点之间的连接边，构造图神经网络；排序模块806，用于基于检测距离对多个图神经网络进行排序，生成网络序列；更新模块808，用于在网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使下一图神经网络中的网络节点的节点特征和连接边的边特征交替更新，得到对应的节点更新特征和边更新特征；知识迁移模块810，用于基于节点更新特征得到下一图神经网络进行知识迁移后的第二知识信息，直至对网络序列的尾部的下一图神经网络完成知识迁移，得到尾部更新网络；计算模块812，用于计算尾部更新网络中与相似语句节点相连的边更新特征的置信度；确定模块814，用于基于置信度最高的边更新特征对应的视频节点得到视频片段的检索结果。
下面参照图9来描述根据本发明的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。
其中，存储单元存储有程序代码，程序代码可以被处理单元910执行，使得处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元910可以执行如图1中所示的步骤S202至步骤S214，以及本公开的视频片段检索方法中限定的其他步骤。
存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202，还可以进一步包括只读存储单元(ROM)9203。
存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204，这样的程序模块9205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (11)

1.一种视频片段检索方法，其特征在于，包括：
响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句；
基于多个所述相似语句分别构建图神经网络，以得到多个所述图神经网络，其中，在所述语义空间中查询与每个所述相似语句接近的视频样本和文本样本，并将所述相似语句作为相似语句节点、将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络；
基于所述检测距离对所述多个图神经网络进行排序，生成网络序列；
在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征；
基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络；
计算所述尾部更新网络中与所述相似语句节点相连的所述边更新特征的置信度；
基于所述置信度最高的所述边更新特征对应的所述视频节点得到所述视频片段的检索结果。
2.根据权利要求1所述的视频片段检索方法，其特征在于，每个所述图神经网络包括多个网络层，所述在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征，具体包括：
获取所述上一图神经网络中第一网络层的所述第一知识信息；
基于所述第一知识信息与第二网络层中的第二网络连接边的边特征，更新所述第二网络层中与所述第二网络连接边相连的节点特征，得到所述节点更新特征，其中，所述第二网络层为所述下一图神经网络中与所述第一网络层处于同一层的网络层；
基于所述第二网络层中相邻两个节点的所述节点更新特征和所述第一知识信息更新所述相邻两个节点之间的所述第二网络连接边的边特征，得到所述边更新特征。
3.根据权利要求2所述的视频片段检索方法，其特征在于，所述基于所述第一知识信息与第二网络层中所述第二网络连接边的边特征，更新所述第二网络层中与所述第二网络连接边相连的节点特征，得到所述节点更新特征，具体包括：
基于所述第一知识信息和可学习的变换矩阵生成第一特征；
基于所述第二网络连接边的边特征和所述第二网络层的上层节点特征生成第二特征；
将所述第一特征和所述第二特征进行串联，得到串联特征；
基于预设的节点更新网络对所述串联特征进行更新，得到所述节点更新特征。
4.根据权利要求2所述的视频片段检索方法，其特征在于，所述基于所述第二网络层中相邻两个节点的所述节点更新特征和所述第一知识信息更新所述相邻两个节点之间的所述第二网络连接边的边特征，得到所述边更新特征，具体包括：
基于相邻两个节点的所述节点更新特征和所述第一知识信息生成节点度量值；
基于所述节点度量值与所述第二网络层的上层边特征更新所述第二网络连接边的边特征，得到所述边更新特征。
5.根据权利要求3所述的视频片段检索方法，其特征在于，所述基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络，具体包括：
将所述第一知识信息确定为查询语句，基于所述第二网络层的所述节点更新信息生成键和值；
计算所述查询语句和所述键之间的相似性，得到所述键对应的所述值的权重系数；
对所述值进行加权求和，得到注意力值；
基于所述注意力值生成所述第二知识信息，直至基于所述知识迁移得到所述尾部更新网络。
6.根据权利要求5所述的视频片段检索方法，其特征在于，所述基于所述注意力值生成所述第二知识信息，具体包括：
将所述注意力值输入门控循环神经网络，以输出所述第二知识信息。
7.根据权利要求1至6中任一项所述的视频片段检索方法，其特征在于，在响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句之前，还包括：
将候选视频输入预训练的视频检索模型；
将输出到所述语义空间的多维向量确定为所述视频样本和所述文本样本。
8.根据权利要求1至6中任一项所述的视频片段检索方法，其特征在于，所述将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络，还包括：
基于相邻所述网络节点之间的余弦距离、一范数和二范数拼接构成三维的特征向量，以对所述连接边进行初始化。
9.一种视频片段检索装置，其特征在于，包括：
查询模块，用于响应于接收到的查询语句，在候选视频的语义空间中查询与所述查询语句之间的检测距离小于或等于预设距离的多个相似语句；
构建模块，用于基于多个所述相似语句分别构建图神经网络，以得到多个所述图神经网络，其中，在所述语义空间中查询与每个所述相似语句接近的视频样本和文本样本，并将所述相似语句作为相似语句节点、将所述视频样本作为视频节点，以及将所述文本样本作为文本节点构造网络节点，结合相邻的所述网络节点之间的连接边，构造所述图神经网络；
排序模块，用于基于所述检测距离对所述多个图神经网络进行排序，生成网络序列；
更新模块，用于在所述网络序列中，将相邻的上一图神经网络的第一知识信息知识迁移至下一图神经网络中，以使所述下一图神经网络中的所述网络节点的节点特征和所述连接边的边特征交替更新，得到对应的节点更新特征和边更新特征；
知识迁移模块，用于基于所述节点更新特征得到所述下一图神经网络进行知识迁移后的第二知识信息，直至对所述网络序列的尾部的所述下一图神经网络完成知识迁移，得到尾部更新网络；
计算模块，用于计算尾部更新网络中与所述相似语句节点相连的所述边更新特征的置信度；
确定模块，用于基于所述置信度最高的所述边更新特征对应的所述视频节点得到所述视频片段的检索结果。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～8中任意一项所述的视频片段检索方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8中任意一项所述的视频片段检索方法。
CN202110577336.4A 2021-05-26 2021-05-26 视频片段检索方法、装置、电子设备和可读存储介质 Active CN113254716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110577336.4A CN113254716B (zh) 2021-05-26 2021-05-26 视频片段检索方法、装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110577336.4A CN113254716B (zh) 2021-05-26 2021-05-26 视频片段检索方法、装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN113254716A true CN113254716A (zh) 2021-08-13
CN113254716B CN113254716B (zh) 2022-05-24

Family

ID=77184758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110577336.4A Active CN113254716B (zh) 2021-05-26 2021-05-26 视频片段检索方法、装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN113254716B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114443904A (zh) * 2022-01-20 2022-05-06 腾讯科技（深圳）有限公司 视频查询方法、装置、计算机设备及计算机可读存储介质
CN114911821A (zh) * 2022-04-20 2022-08-16 平安国际智慧城市科技股份有限公司 一种结构化查询语句的生成方法、装置、设备及存储介质
CN114925238A (zh) * 2022-07-20 2022-08-19 山东大学 一种基于联邦学习的视频片段检索方法及系统
CN114911821B (zh) * 2022-04-20 2024-05-24 平安国际智慧城市科技股份有限公司 一种结构化查询语句的生成方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175266A (zh) * 2019-05-28 2019-08-27 复旦大学 一种用于多段视频跨模态检索的方法
CN111506771A (zh) * 2020-04-22 2020-08-07 上海极链网络科技有限公司 一种视频检索方法、装置、设备及存储介质
US20210049202A1 (en) * 2019-08-16 2021-02-18 The Toronto-Dominion Bank Automated image retrieval with graph neural network
US20210058345A1 (en) * 2019-08-22 2021-02-25 Adobe Inc. Utilizing a graph neural network to identify supporting text phrases and generate digital query responses
CN112541132A (zh) * 2020-12-23 2021-03-23 北京交通大学 基于多视图知识表示的跨领域推荐方法
CN112686277A (zh) * 2019-10-18 2021-04-20 北京大学 模型训练的方法和装置
CN112685597A (zh) * 2021-03-12 2021-04-20 杭州一知智能科技有限公司 一种基于擦除机制的弱监督视频片段检索方法和系统
CN112801762A (zh) * 2021-04-13 2021-05-14 浙江大学 基于商品感知的多模态视频高光检测方法及其系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110175266A (zh) * 2019-05-28 2019-08-27 复旦大学 一种用于多段视频跨模态检索的方法
US20210049202A1 (en) * 2019-08-16 2021-02-18 The Toronto-Dominion Bank Automated image retrieval with graph neural network
US20210058345A1 (en) * 2019-08-22 2021-02-25 Adobe Inc. Utilizing a graph neural network to identify supporting text phrases and generate digital query responses
CN112686277A (zh) * 2019-10-18 2021-04-20 北京大学 模型训练的方法和装置
CN111506771A (zh) * 2020-04-22 2020-08-07 上海极链网络科技有限公司 一种视频检索方法、装置、设备及存储介质
CN112541132A (zh) * 2020-12-23 2021-03-23 北京交通大学 基于多视图知识表示的跨领域推荐方法
CN112685597A (zh) * 2021-03-12 2021-04-20 杭州一知智能科技有限公司 一种基于擦除机制的弱监督视频片段检索方法和系统
CN112801762A (zh) * 2021-04-13 2021-05-14 浙江大学 基于商品感知的多模态视频高光检测方法及其系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WEI WANG等: "Learning Coarse-to-Fine Graph Neural Networks for Video-Text Retrieval", 《IEEE》 *
高宸等: "基于图神经网络的视频推荐系统", 《中兴通讯技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114443904A (zh) * 2022-01-20 2022-05-06 腾讯科技（深圳）有限公司 视频查询方法、装置、计算机设备及计算机可读存储介质
CN114443904B (zh) * 2022-01-20 2024-02-02 腾讯科技（深圳）有限公司 视频查询方法、装置、计算机设备及计算机可读存储介质
CN114911821A (zh) * 2022-04-20 2022-08-16 平安国际智慧城市科技股份有限公司 一种结构化查询语句的生成方法、装置、设备及存储介质
CN114911821B (zh) * 2022-04-20 2024-05-24 平安国际智慧城市科技股份有限公司 一种结构化查询语句的生成方法、装置、设备及存储介质
CN114925238A (zh) * 2022-07-20 2022-08-19 山东大学 一种基于联邦学习的视频片段检索方法及系统
CN114925238B (zh) * 2022-07-20 2022-10-28 山东大学 一种基于联邦学习的视频片段检索方法及系统

Also Published As

Publication number Publication date
CN113254716B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN111444340B (zh) 文本分类方法、装置、设备及存储介质
CN111382868A (zh) 神经网络结构搜索方法和神经网络结构搜索装置
CN113254716B (zh) 视频片段检索方法、装置、电子设备和可读存储介质
US20230117973A1 (en) Data processing method and apparatus
CN112395487B (zh) 信息推荐方法、装置、计算机可读存储介质及电子设备
CN112905801A (zh) 基于事件图谱的行程预测方法、系统、设备及存储介质
CN113822776B (zh) 课程推荐方法、装置、设备及存储介质
JP2022169743A (ja) 情報抽出方法、装置、電子機器及び記憶媒体
CN115062732A (zh) 基于大数据用户标签信息的资源共享合作推荐方法及系统
CN113158030B (zh) 异地兴趣点的推荐方法、装置、电子设备及存储介质
CN112052865A (zh) 用于生成神经网络模型的方法和装置
CN113239799A (zh) 训练方法、识别方法、装置、电子设备和可读存储介质
CN111260074B (zh) 一种超参数确定的方法、相关装置、设备及存储介质
US20230385317A1 (en) Information Retrieval Method, Related System, and Storage Medium
CN113298116A (zh) 基于注意力权重的图嵌入特征提取方法、装置及电子设备
CN112394982A (zh) 生成语音识别系统的方法、装置、介质及电子设备
CN117114063A (zh) 用于训练生成式大语言模型和用于处理图像任务的方法
WO2023130960A1 (zh) 服务资源确定方法、装置及服务资源确定系统
CN115631008B (zh) 商品推荐方法、装置、设备及介质
CN116958852A (zh) 视频与文本的匹配方法、装置、电子设备和存储介质
CN112989024B (zh) 文本内容的关系提取方法、装置、设备及存储介质
CN112861474B (zh) 一种信息标注方法、装置、设备及计算机可读存储介质
CN112732896B (zh) 目标信息显示方法、装置、电子设备和介质
CN113821687A (zh) 一种内容检索方法、装置和计算机可读存储介质
Zhu et al. A poverty index prediction model for students based on PSO-LightGBM

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