“季俊涛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于布局审美的书法作品复杂度评估方法-CN202211459740.2在审
发明人：孙凌云;季俊涛;尤伟涛;韩开鑫;史姝慧 -专利权人：浙江大学
申请日： 2022-11-16 - 公布日： 2023-03-07 - 主分类号： G06V30/32 文献下载
摘要：本发明公开了一种基于布局审美的书法作品复杂度评估方法，包括得到字符的尺寸、形状、距离、斜率特征和网格空白特征，按照作者书写字符的顺序对上述特征进行排序得到序列特征，基于马尔科夫链原理得到每个序列特征的减少、稳定和增加状态的平稳分布概率，将减少和增加状态的平稳分布概率进行加和得到复杂度指标，基于得到的尺寸复杂度指标、形状复杂度指标、距离复杂度指标、斜率复杂度指标和网格空白复杂度指标评估书法作品的复杂度。采用该方法能够较为准确的评估书法作品的复杂度。
一种基于布局审美书法作品复杂度评估方法

[发明专利]一种基于原型视频的短视频自动编辑方法-CN202111442144.9有效
发明人：孙凌云;胡子衿;尤伟涛;杨昌源;季俊涛;余米 -专利权人：浙江大学
申请日： 2021-11-30 - 公布日： 2022-10-14 - 主分类号： H04N21/466 文献下载
摘要：本发明公开了一种基于原型视频的短视频自动编辑方法，包括：对输入视频进行帧采样得到多个基体特征，将多个基本特征输入至随机森林或决策树模型得到带有标签的高级特征输入视频；从原型数据库中选择与高级特征输入视频的视频相似度分数最高的原型视频；计算原型视频与原型数据库中其他原型视频的兼容性距离度量得到动态兼容因子，基于动态兼容因子将满足视频相似度分数阈值的原型视频作为最终原型视频；基于视频结构相似性度量，在每个高级特征目标子视频中选择与每个目标镜头的视频相似度分数最高的高级特征镜头作为候选镜头，采用维特比算法选择最终候选镜头，从而得到最终短视频。该方法能够帮助用户灵活、简单的制作所需风格的短视频。
一种基于原型视频自动编辑方法

[发明专利]基于Valence-Arousal情感空间的图像-音乐匹配系统-CN201910192297.9有效
发明人：刘洪甫;李灿晨;邱兆林;黄怡璠;季俊涛;任宇凡;张克俊 -专利权人：浙江大学
申请日： 2019-03-14 - 公布日： 2021-07-20 - 主分类号： G06F16/432 文献下载
摘要：本发明公开了一种基于Valence‑Arousal情感空间的图像‑音乐匹配系统，该图像‑音乐匹配系统应用时，实现以下步骤：将电子乐谱文件渲染成Wav音频文件，并基于Wav音频文件提取电子乐谱的音频特征，将该音频特征输入至音乐V‑A值提取模型中，经计算获得电子乐谱V‑A值；提取输入图像的面部表情特征和美学特征，将面部表情特征和美学特征输入至图像V‑A值提取模型经计算，获得图像V‑A值；根据图像V‑A值对电子乐谱V‑A值进行搜索匹配，以与图像V‑A值相对最接近的至多10个电子乐谱V‑A值对应的电子乐谱作为匹配结果并输出。该图像‑音乐匹配系统实现l为不同情感种类的图像匹配相对应的情感类型的音乐。
基于 valence arousal 情感空间图像音乐匹配系统

[发明专利]基于重音分析的人声转乐谱系统-CN201910192278.6有效
发明人：邱兆林;黄怡璠;刘洪甫;李灿晨;季俊涛;任宇凡;张克俊 -专利权人：浙江大学
申请日： 2019-03-14 - 公布日： 2021-05-14 - 主分类号： G10L25/90 文献下载
摘要：本发明公开了一种基于重音分析的人声转乐谱系统，该人声转乐谱系统应用时，实现以下步骤：(1)对人声音频进行采样，获得多个样本片段，然后对每个样本片段进行频率分析；(2)对每个样本片段进行重音分析；(3)根据重音分析结果和频率分析结果，对人声音频进行音符分割；(4)获得每个音符后，根据频率变化，测定每个音符的音高；(5)在获得每个音符的音高后，基于绝对音高对乐谱进行调性分析和调整，以获得最终的乐谱。该人声转乐谱系统能够时间将输入人声信号转化为乐谱。
基于重音分析人声乐谱系统

[发明专利]基于消息传递网络的音乐图结构信息生成模型的构建方法-CN201910192306.4有效
发明人： 季俊涛;任宇凡;黄怡璠;邱兆林;刘洪甫;李灿晨;张克俊 -专利权人：浙江大学
申请日： 2019-03-14 - 公布日： 2021-02-26 - 主分类号： G06F16/683 文献下载
摘要：本发明公开了一种基于消息传递网络的音乐图结构信息提取与生成模型的构建方法，包括：(1)将音乐表达成音乐无向图；(2)在获得音乐无向图后，对音乐无向图进行编码，即采用节点特征提取更新函数提取音乐无向图中节点的隐藏特征；(3)将获得的隐藏特征输入至解码器中，经解码输出预测的音乐无向图；(4)计算预测的音乐无向图与步骤(2)中的音乐无向图的交叉熵损失函数值，利用交叉熵损失函数值更新解码器参数和节点特征提取更新函数的权重参数，以实现对解码器和编码器的训练，训练好的编码器即为音乐图结构信息提取模型，训练好的解码器即为音乐图结构信息生成模型。还公开了一种生成的音乐图结构信息生成模型作为音乐生成器的应用。
基于消息传递网络音乐结构信息生成模型构建方法