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！

龙图腾网获悉西安邮电大学申请的专利基于融合特征门控的三维卷积神经网络的视频检索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：CN115982409B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211628554.7，技术领域涉及：G06F16/783；该发明授权基于融合特征门控的三维卷积神经网络的视频检索方法是由来毅;于洁;刘颖设计研发完成，并于2022-12-17向国家知识产权局提交的专利申请。

本基于融合特征门控的三维卷积神经网络的视频检索方法在说明书摘要公布了：一种基于融合特征门控的三维卷积神经网络的视频检索方法，由数据集预处理、划分数据集、构建三维卷积神经网络、训练三维卷积神经网络、测试三维卷积神经网络步骤组成。本发明对三维卷积神经网络进行了优化和提升，解决了现有技术中检索精度低的技术问题，且为解决同类问题提供一种不同的构思方案，采用了3个特征门控，特征门控采用重置门和更新门构成，解决了现有技术中视频信息冗余信息技术问题，能够更加精确地提取视频特征信息，为进一步检索奠定基础。本发明具有检索精度度稿、检索速度快、检索效果好等优点，可用于视频图像的检索。

本发明授权基于融合特征门控的三维卷积神经网络的视频检索方法在权利要求书中公布了：1.一种基于融合特征门控的三维卷积神经网络的视频检索方法，其特征在于由下步骤组成： 1数据集预处理 取UCF-101数据库13320个5~10秒的视频作为视频数据集，分成不同的种类，每个种类有25组，每组有4~7个时长不等的视频，按类别对数据集进行0-101标号，作为识别标签，分别提取数据集的光流图像和颜色图像，光流图像和颜色图像包含x,y,i三个维度的特征，截取图像为224224的像素，对数据集进行预处理； 2划分数据集 将视频数据集按照5：1的比例分成训练集、测试集； 3构建三维卷积神经网络 三维卷积神经网络由三维卷积模块与特征门控模块串联构成； 所述的三维卷积模块由第一基本卷积层依次与第一最大池化层、第二基本卷积层、第三基本卷积层、第二最大池化层、第一3d卷积模块、第一特征门控模块、第三最大池化层、第二3d卷积模块、第二特征门控模块、第四最大池化层、第三3d卷积模块、第三特征门控模块、平均池化层、卷积层串联构成； 所述的第一特征门控模块由重置门与更新门串联构成，按下式确定重置门： 1 其中，为非线性激活函数，为当前输入样本，为上一时刻隐藏状态，为重置门输出样本的系数，为重置门隐藏状态在训练中的参数，为重置门的偏差，、为中间参数； 按下式确定更新门： 2 其中，为当前输入样本、为上一时刻隐藏状态、为更新门输入样本的系数、为更新门隐藏状态的系数，为更新门的偏差，为中间参数； 第二特征门控、第三特征门控的结构与第一特征门控的结构相同； 4训练三维卷积神经网络 按下式确定交叉损失函数L： 3 其中，为数据的真实值，取值为[0,1]，为数据的预测值，取值为0,1]； 对三维卷积神经网络训练时分为8个组，每组32帧图像，每个批次为256，训练至三维卷积神经网络收敛，使用训练好的模型对测试集进行检测； 评价指标采用所有测试数据的正确个数与总测试数据个数之比； 按下式确定准确度P： 4 其中，TP表示模型检索正确数据条数，FP表示模型检索错误数据条数；将训练集送入到三维卷积神经网络中进行训练，在训练的过程中，三维卷积神经网络学习率，优化器采用SGD优化器，SGD优化器的动量值为0.1～1，迭代至交叉损失函数收敛； 5测试三维卷积神经网络 将测试集输入到融合特征门控的三维卷积神经网络中进行测试。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区韦郭路西安邮电大学南校区；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。