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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于新型时序特征关系映射的视频质量评价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：CN115511858B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211230036.X，技术领域涉及：G06T7/00；该发明授权一种基于新型时序特征关系映射的视频质量评价方法是由毛钰;郑博仑;颜成钢;孙垚棋;高宇涵设计研发完成，并于2022-10-08向国家知识产权局提交的专利申请。

本一种基于新型时序特征关系映射的视频质量评价方法在说明书摘要公布了：本发明公开了一种基于新型时序特征关系映射的视频质量评价方法。本发明使用预训练的特征提取网络提取帧级别的特征，再利用Bi‑LSTM网络捕捉视频序列上下文信息的内容感知特征与帧级质量的长期依赖关系，结合该网络输出的隐藏状态与预训练的特征提取网络提取到的帧级别的特征构建了一种新型时序特征关系图，充分利用了视频序列相邻帧以及间隔帧之间的长短期时序关系。本发明利用双向长短期记忆神经网络进行时序建模在时间维度上更为有效地融合了视频序列的内容感知特征，同时构建的新型时序特征关系图也更有效地捕捉视频在短期内的时序信息变化，为后序质量预测任务的展开提供了丰富的时序信息。

本发明授权一种基于新型时序特征关系映射的视频质量评价方法在权利要求书中公布了：1.一种基于新型时序特征关系映射的视频质量评价方法，其特征在于包括如下步骤： 步骤1.提取内容感知特征； 步骤2.时序特征融合： 步骤3.质量回归， 步骤4.质量池化； 步骤5.将内容感知特性提取网络、时序特征融合模块、质量回归模块、质量池化模型进行联合训练； 步骤1具体实现如下： 利用预训练的卷积神经网络作为内容感知特征提取网络，所述的内容感知特征提取网络包括一个预训练好的ResNet-50模型、一个空间全局平均池化层和一个全局标准差池化层； 1-1.获取内容感知特征提取网络的输入，以一个视频的所有帧作为卷积神经网络ResNet-50的输入，提取每帧视频的特征，并输出N个特征图Mt，具体如下： Mt＝CNNIt1 其中，t是下标，t＝1,2,3，...N，N为视频的总帧数；It表示视频第t帧的图像；Mt表示视频第t帧所对应的特征图； 1-2.利用空间池化操作保留更多有效信息：具体来说是利用全局平均池化操作来去掉不同帧之间的冗余信息，利用全局标准差池化操作来保存不同帧之间的变化信息，分别得到特征向量和最终通过将特征向量和聚合形成内容感知特征ft，具体计算如下： 其中，GPmean表示空间全局池化操作，GPstd表示全局标准层操作，和分别是经过全局池化和全局平均差操作得到的特征向量，表示将两个向量连接起来，ft表示提取到单帧视频的最终内容感知特征； 步骤2具体实现如下： 将提取到的帧级别的内容感知特征ft接入双向长短期记忆神经网络中，再利用该网络的输出特征，以连续五帧视频特征为一个分组，构建一个全新的融合视频当前帧、前两帧以及后两帧特征的映射；每一组以该分组包含的连续五帧特征向量Xt以及对应双向长短期网络的隐含状态作为目标元素，构建一个5×5的时序特征映射矩阵,对生成的每一组时序特征映射矩阵进行特征聚合； 步骤3所述的质量回归，具体方法如下： 在完成i个分组的特征聚合后，需要将聚合后的i组特征通过回归模型映射到视频的质量分数上，将聚合后的各分组特征回归到质量分数上，具体如下： qi＝fwFCxi11 其中，fwFC是两个全连接层的函数，qi表示回归后的第i个分组的质量分数； 步骤4所述的质量池化，具体方法如下： 将质量回归模块预测的各特征分组的结果进行平均池化，输出整个视频的质量分数Q，具体如下： 其中，qi为每一个分组的质量分数，Q是整个视频最终的质量分数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。