买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种频域引导增强的视频时刻检索方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118673181B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410807668.0，技术领域涉及：G06F16/783；该发明授权一种频域引导增强的视频时刻检索方法与系统是由冯佳伟;王若梅;周凡;刘宇设计研发完成，并于2024-06-21向国家知识产权局提交的专利申请。

本一种频域引导增强的视频时刻检索方法与系统在说明书摘要公布了：本发明公开了一种频域引导增强的视频时刻检索方法与系统。输入视频数据并提取视觉特征和音频特征，进行单模态编码得到编码后的视频特征及音频特征；在频域空间利用用户查询文本特征对编码后的视频特征与音频特征进行引导，生成跨模态特征；利用文本特征与跨模态特征生成时刻对齐的查询特征；利用查询特征与跨模态特征解码生成用于视频时刻检索的特征序列；利用预测头对特征序列进行处理，并构造损失函数进行训练，输出视频时刻检索的结果。本发明采用频域引导的跨模态交互方法，在频域空间捕捉不同模态之间的共性；设计了一种新颖的显著性增强函数，不仅实现了跨模态融合，还具备轻量级特性，显著减少了模型参数量和计算复杂度。

本发明授权一种频域引导增强的视频时刻检索方法与系统在权利要求书中公布了：1.一种频域引导增强的视频时刻检索方法，其特征在于，所述方法包括： 输入视频数据集，使用训练好的特征提取器提取该视频数据集中视频的视觉特征和音频特征，得到视频特征序列V及音频特征序列A； 对所述视频特征序列V及所述音频特征序列A进行单模态编码以分别在每个模态中增加全局上下文特征，并使用线性层映射到同一个空间，得到编码后的视频特征序列V′及编码后的音频特征序列A′； 在频域空间利用用户查询文本的文本特征T对所述编码后的视频特征序列V′与所述编码后的音频特征序列A′进行引导，之后在频域空间捕捉模态间的共性并实现跨模态交互，融合视频、音频和文本特征并生成推理融合的跨模态特征O； 将所述文本特征T与所述推理融合的跨模态特征O一同输入查询生成器，生成时刻对齐的查询特征Q； 将所述查询特征Q与所述推理融合的跨模态特征O一同输入查询解码器进行解码，生成用于视频时刻检索的特征序列D； 利用预测头对所述特征序列D进行处理，并构造损失函数进行训练，最终输出视频时刻检索的结果时刻窗口dp； 具体地，所述在频域空间利用用户查询文本的文本特征T对所述编码后的视频特征序列V′与所述编码后的音频特征序列A′进行引导，之后在频域空间捕捉模态间的共性并实现跨模态交互，融合视频、音频和文本特征并生成推理融合的跨模态特征O，具体为： 将所述编码后的视频特征序列V′与所述编码后的音频特征序列A′分别利用傅里叶变换映射到频域空间得到视频频域特征序列V～及音频频域特征序列A～； 使用训练好的特征提取器CLIP对用户查询文本提取出文本特征T，并利用该文本特征T在频域空间对视频频域特征序列V～及音频频域特征序列A进行引导，得到引导后的视频特征序列V^及引导后的音频特征序列A^，如下式所示，其中表示逐元素相乘： 在频域空间对引导后的视频特征序列V^及引导后的音频特征序列A^进行跨模态融合，具体为在频域空间进行视频特征序列及音频特征序列之间的共性捕捉，得到频域融合特征Cva，如下式所示，其中表示逐元素相乘： 利用下式中的显著性增强函数对频域融合特征Cva进行显著性量化，得到显著性特征序列Pva 其中，u分别表示频域融合特征Cva的均值和无偏估计方差，i、j表示特征序列中的元素下标； 利用显著性特征序列Pva自适应整合所述编码后的视频特征序列V′及编码后的音频特征序列A′，得到推理融合的跨模态特征O： gate＝sigmoidPva, O＝V′·gate+A′1-gate, 先利用sigmoid激活函数生成权重gate，再利用权重gate融合编码后的视频特征序列V′及编码后的音频特征序列A′。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510006 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。