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TCL科技集团股份有限公司申请的专利一种视频分类方法、装置、存储介质及终端设备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：CN115393749B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202110546179.0，技术领域涉及：G06V20/40；该发明授权一种视频分类方法、装置、存储介质及终端设备是由杨捷文设计研发完成，并于2021-05-19向国家知识产权局提交的专利申请。

本一种视频分类方法、装置、存储介质及终端设备在说明书摘要公布了：本发明公开了一种视频分类方法、装置、存储介质及终端设备，所述方法包括：获取待分类视频段，其中，所述待分类视频段包括若干帧图像；根据若干所述帧图像，得到与若干所述帧图像对应的深层表观特征和时序特征；根据所述深层表观特征和所述时序特征，确定与所述待分类视频段对应的类别。这样根据待分类视频段的深层表观特征和所述时序特征确定所述待分类视频段的类别，可以获得更加精确的视频类别。

本发明授权一种视频分类方法、装置、存储介质及终端设备在权利要求书中公布了：1.一种视频分类方法，其特征在于，所述方法包括： 获取待分类视频段，其中，所述待分类视频段包括若干帧图像； 根据若干所述帧图像，得到与若干所述帧图像对应的深层表观特征和时序特征； 所述根据若干所述帧图像，得到与若干所述帧图像对应的深层表观特征和时序特征包括： 根据若干所述帧图像和已训练的视频分类模型，确定与若干所述帧图像对应的深层表观特征和时序特征； 所述视频分类模型包括表观特征模型、语义特征模型、特征融合单元和全连接层，根据若干所述帧图像和已训练的视频分类模型，确定与若干所述帧图像对应的深层表观特征和时序特征包括： 针对若干所述帧图像中的每一帧图像，将所述帧图像输入至所述表观特征模型，通过所述表观特征模型输出与所述帧图像对应的第一特征图，其中，所述第一特征图携带浅层表观特征； 将所述第一特征图输入至所述语义特征模型，通过所述语义特征模型输出第六特征图和第四带注意力特征向量，其中，所述第六特征图携带深层表观特征；所述第四带注意力特征向量携带时序特征； 所述语义特征模型包括预设的transformer网络、卷积模块、平均池化层、特征融合单元、全连接层，三维平均池化层、第一卷积块、第一归一化模块、第二卷积块、第二归一化模块、Sigmoid函数层以及Relu函数层，其中，所述卷积模块包括第一卷积子模块、第二卷积子模块、第三卷积子模块和第四卷积子模块，所述transformer网络包括第一transformer网络层、第二transformer网络层、第三transformer网络层，第四transformer网络层；所述将所述第一特征图输入至所述语义特征模型，通过所述语义特征模型输出第六特征图和第四带注意力特征向量包括： 将所述第一特征图输入至所述第一卷积子模块，通过所述第一卷积子模块输出所述帧图像的第二特征图； 基于所述第二特征图和所述第一transformer网络层，确定所述帧图像的第一带注意力特征向量； 基于所述第二特征图、所述第一带注意力特征向量和所述第二卷积子模块，确定所述帧图像的第三特征图； 基于所述第三特征图、所述第一带注意力特征向量和所述第二transformer网络层，确定所述帧图像的第二带注意力特征向量； 基于所述第三特征图、所述第二带注意力特征向量和所述第三卷积子模块，确定所述帧图像的第四特征图； 基于所述第四特征图、所述第二带注意力特征向量和所述第三transformer网络层，确定所述帧图像的第三带注意力特征向量； 基于所述第四特征图、所述第三带注意力特征向量和所述第四卷积子模块，确定所述帧图像的第五特征图； 基于所述第五特征图、所述第三带注意力特征向量和第四transformer网络层，确定所述帧图像的第四带注意力特征向量； 将所述第五特征图输入至平均池化层，输出所述帧图像的第六特征图； 根据所述深层表观特征和所述时序特征，确定与所述待分类视频段对应的类别。

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TCL科技集团股份有限公司，其通讯地址为：516006 广东省惠州市仲恺高新区惠风三路17号TCL科技大厦；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。