一种基于多模态特征融合的视频分类方法、装置及介质

1.一种基于多模态特征融合的视频分类方法，其特征在于，包括：

2.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，第l-1个自对齐融合层的目标融合特征矩阵表示为：

3.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，更新后的第l-1个自对齐融合层输出的目标图像特征矩阵表示为：

4.根据权利要求3所述的基于多模态特征融合的视频分类方法，其特征在于，第l个自对齐融合层的目标图像特征矩阵和第一融合特征矩阵表示为：

5.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，初始融合特征矩阵表示为：

6.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，待分类视频的分类结果表示为：

7.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，待分类视频的图像特征矩阵的获取过程包括：

8.根据权利要求1所述的基于多模态特征融合的视频分类方法，其特征在于，待分类视频的音频特征矩阵的获取过程包括：

9.一种基于多模态特征融合的视频分类装置，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的基于多模态特征融合的视频分类方法的步骤。