论文部分内容阅读
随着深度学习技术的发展，利用卷名冲经网络（CNN）是取视频帧特征，再用循环神经网络（RNN）生成句子的方法被广泛用于视频描述任务中．然而，这种直接转换方式忽咯了很多视频内在信息，如视频序列的时序信息、运动信息及丰富的视觉元素信息等．为此，文中提出了一种基于自适应帧循环其充法的多模态视频描述（AFCF—MVC）模型；采用自适应特征提取法是取含有丰富时空信息的运动信息的视频c3D特征，使得C3D特征包含了整个视频序列所有帧的信息，并将其作为冲经网络为输入；钉对不同视频的标注句子长度不同问题，提出了自适应帧循环