基于感知上下文堆叠式注意力的视频描述生成算法

摘要

本发明属于计算机视觉技术领域，具体为一种基于感知上下文堆叠式注意力的视频描述生成方法。本发明利用高层语义知识对视频描述生成的帮助，讨论如何在生成过程当中利用高层语义信息提升模型性能，并提出感知上下文的堆叠式注意力网络，利用隐式方式对文本语义知识建模，利用注意力计算过程让模型通过训练学习到语句单词之间的语义关系。本发明通过定性和定量实验，展现出模型可以生成更加准确、语义更加丰富的描述的能力。