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！

龙图腾网获悉天津大学;天津市测绘院有限公司申请的专利基于深度矩阵分解的短视频多标签分类方法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：CN115359287B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202210949935.9，技术领域涉及：G06V10/764；该发明授权基于深度矩阵分解的短视频多标签分类方法是由井佩光;范富贵;汪少初;苏育挺;王少一;王晓华;周树旺;孙晓玮;马海燕;赵莉;肖静;王予凡;宋玉霞;石伟丽设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本基于深度矩阵分解的短视频多标签分类方法在说明书摘要公布了：本发明公开了一种基于深度矩阵分解的短视频多标签分类方法，该方法以深度矩阵分解为基本框架，通过深度矩阵分解中各层参数矩阵和潜在表征矩阵挖掘隐藏在短视频和标签之中的高级语义特征，通过编解码的思想强化潜在表征矩阵的表达能力；通过逆矩阵分析的方法将标签关联性信息在源端嵌入到短视频内容中，最后通过监督约束项引导参数矩阵和潜在表征矩阵的学习。与现有技术相比，本发明能从短视频中学习到复杂的结构化和层次化的有效信息，有效地挖掘短视频高级语义特征和标签关联性的短视频多标签分类方法。

本发明授权基于深度矩阵分解的短视频多标签分类方法在权利要求书中公布了：1.一种基于深度矩阵分解的短视频多标签分类方法，其特征在于，该方法包括以下步骤： 步骤1、将短视频划分成单帧图像，按照等时间间隔的方式从短视频帧序列中抽取等量的关键帧； 步骤2、利用GoogLeNetInceptionV2网络从关键帧中提取短视频图像的深度特征； 步骤3、提取所有关键帧的深度特征构成短视频特征矩阵，其中行向量表示单帧图像的深度特征，深度特征矩阵则包含时序信息和空间信息； 步骤4、通过列向量均值化操作将短视频特征矩阵转化为短视频特征向量X； 步骤5、基于深度矩阵分解框架从短视频特征向量X中学习视觉表征矩阵U用于监督多标签分类任务，将分类任务凝聚成最终的视觉表征矩阵U； 步骤6、通过逆矩阵分析的方式将标签向量矩阵L包含的标签关联性信息映射到短视频特征向量X中，基于深度矩阵分解框架挖掘具有标签关联性信息的判别表征矩阵V用于监督多标签分类任务； 步骤7、将视觉表征矩阵U和判别表征矩阵V联合在一起，通过深度矩阵分解的框架下强化表征矩阵的反向学习能力，将短视频特征向量X恢复成视觉表征矩阵U和判别表征矩阵V的哈达曼积； 步骤8、从标签矩阵L中学习能反映关联性信息的标签表征矩阵A用于监督多标签分类任务； 步骤9、将视觉表征矩阵U、判别表征矩阵V，标签表征矩阵A和短视频的真实标签矩阵Q构成监督模块； 步骤10、将视觉表征矩阵U、判别表征矩阵V、短视频特征向量X、标签表征矩阵A构成总目标函数，用于预测当前出现的新的短视频的多标签分类；所述总目标函数的表达式如下所示： ; 其中，表示视觉表征矩阵U和判别表征矩阵V的哈达曼积的转置； 表示F范数，k表示深度矩阵分解的层数，o表示哈达曼积，Di表示第i层系数矩阵，D1LDk表示多层系数矩阵，Zi表示第i层参数矩阵，L表示标签矩阵，Z1LZk表示多层参数矩阵，C1LCk表示多层分解系数矩阵，Ci表示第i层分解系数矩阵，LT表示标签向量矩阵L的转置矩阵，B1…Bk表示多层分解系数矩阵。

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天津大学;天津市测绘院有限公司，其通讯地址为：300072 天津市南开区卫津路92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。