干货 | 通过传统特征重和滑动窗口匹配法，获得更为精准的拷贝边界

方案简介

在爱奇艺与CCF联合举办的“2019CCF大数据与计算智能大赛-视频版权检测”赛道比赛中，来自爱奇艺的都挺好团队采用了卷积神经网络SE-ResNeXt获得特征向量，对特征向量进行搜索获得top-k个相似图像帧。使用关键路径法进行时间对齐后，通过传统特征重匹配法和滑动窗口匹配法，获得更为精准的拷贝边界，复赛B榜F1值达到了0.9678（都挺好团队复赛成绩排名第一，但因是组织单位，故未记入名次）。

赛题任务解读

由于在此次比赛之前没有版权检测相关的经验，都挺好团队首先启动的工作是对此次比赛的题目进行调研，对比赛任务进行具体分析：

第一阶段，主要工作为系统的搭建，各种模块的尝试和组合。

第二阶段，为研究如何提升特征的表达性能。

第三阶段，为针对更加精细的时间边界对时间对齐和特征提取部分进行优化。

 

方案分享

基于针对比赛任务的具体分析，以下分享都挺好团队在竞赛方案各阶段所进行的具体工作：

（1）第一阶段

在第一阶段，都挺好团队首先尝试了各种卷积神经网络结构用于提取特征，如VGG、DenseNet、SE-resnet、SE-resnext等，也尝试了sift特征、hash方法等，最