“刘筱力”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6个，建议您升级VIP下载更多相关专利

[发明专利]发音质量测试方法-CN202211159540.5在审
发明人：刘力哲;张昱航;刘筱力;潘攀;邱俊杰;王方 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-09-22 - 公布日： 2023-03-21 - 主分类号： G10L25/60 文献下载
摘要：本申请提供一种发音质量测试方法，包括：获取受试者朗读目标内容的第一视频和目标参考者朗读目标内容的第二视频，对第一视频中多帧第一图像分别进行口型动作单元强度检测得到多帧第一图像各自对应的口型动作单元强度，对第二视频中多帧第二图像分别进行口型动作单元强度检测得到多帧第二图像各自对应的口型动作单元强度。对比多帧第一图像各自对应的口型动作单元强度与多帧第二图像各自对应的口型动作单元强度，以确定受试者的发音质量。本方案通过基于视觉信息即发音过程中嘴部的动态特征进行受试者比如失语症人员的发音质量测试，受环境等因素干扰小，能够获得更加准确的发音质量测试结果。
发音质量测试方法

[发明专利]虚拟人头的生成方法及装置-CN202211156034.0在审
发明人：李建方;刘霖;刘筱力;李宏华 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-09-22 - 公布日： 2023-01-13 - 主分类号： G06T13/40 文献下载
摘要：本说明书实施例提供虚拟人头的生成方法及装置，其中所述虚拟人头的生成方法包括：响应于虚拟人头生成指令，在人脸纹理数据库中选择待合成人脸纹理，其中，所述虚拟人头生成指令中携带有目标人头图像；基于待合成人脸纹理生成初始虚拟人头图像；根据初始虚拟人头图像和目标人头图像，获得比对能量参数；在比对能量参数满足预设条件的情况下，根据所述初始虚拟人头图像生成目标虚拟人头。通过本说明书实施例提供的方法，实现了在选择合适的待合成人脸纹理时，是将待合成人脸纹理合成了人头模型，使得比对筛选的过程是人头模型与照片的比对，提升了比对的准确性，使得最终生成的虚拟人头更加真实。
虚拟人头生成方法装置

[发明专利]生成三维虚拟形象面部动画的方法、装置及系统-CN202211203194.6在审
发明人：朱灵杰;左琪;邱俊杰;王方;刘筱力;潘攀 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-09-29 - 公布日： 2022-11-29 - 主分类号： G06T13/40 文献下载
摘要：本申请公开了一种生成三维虚拟形象面部动画的方法、装置及系统。其中，该方法包括：获取当前输入的待处理文本，其中，待处理文本用于驱动三维虚拟形象的初始面部动画发生变化；对待处理文本进行文字合成语音处理，得到待处理语音；对待处理语音进行语音驱动动画处理，得到第一捏脸数据；从待处理文本中提取表情关键词，并获取表情关键词关联的第二捏脸数据；基于第一捏脸数据和第二捏脸数据驱动生成三维虚拟形象的目标面部动画。本申请解决了相关技术中三维虚拟形象面部动画的生成成本高昂的技术问题，满足了人们对虚拟交互的需求。
生成三维虚拟形象面部动画方法装置系统

[发明专利]目标对象的关键点参数的获取方法、装置、电子设备-CN202210579135.2在审
发明人：何超;任泓宇;王方;刘筱力;李宏华;邱俊杰 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-05-26 - 公布日： 2022-09-13 - 主分类号： G06V40/20 文献下载
摘要：本申请实施例提供一种目标对象的关键点参数的获取方法、装置、电子设备和存储设备。其中，目标对象的关键点参数的获取方法包括：获得待分析图像；利用关键点参数获得模型，根据待分析图像中的目标对象的关键点二维参数，获得目标对象的关键点三维参数，作为用于分析目标对象的运动状态的参数；其中，关键点参数获得模型是利用图像样本中的对象样本的关键点二维参数样本和所述对象样本的关键点三维参数样本训练得到的，所述关键点参数获得模型为机器学习模型。
目标对象关键参数获取方法装置电子设备

[发明专利]基于稀疏子空间多任务学习的图像分类预测方法-CN201611030667.1有效
发明人：曹鹏;刘筱力;单宣峰;刘爽;栗伟;覃文军;冯朝路;杨金柱 -专利权人：东北大学
申请日： 2016-11-16 - 公布日： 2019-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及数据挖掘技术领域，提出一种基于稀疏子空间多任务学习的图像分类预测方法，包括：步骤一：根据对训练图像集提取的异构视觉特征构建特征数据；步骤二：基于任务的相关性和异构视觉特征的结构性，根据特征数据的训练数据集建立稀疏子空间的多任务分类算法的目标函数；步骤三：基于稀疏子空间的多任务分类算法的目标函数，采用迭代优化算法进行求解，生成稀疏子空间多任务分类模型；步骤四：采用稀疏子空间多任务分类模型对图像测试图像集进行分类预测。本发明结合子空间相关性和稀疏机制建立多任务学习机制，改善分类器的泛化性能，提高了图像分类的泛化性能。
基于稀疏空间任务学习图像分类预测方法

[发明专利]结合选择性升采样的不均衡数据流加权集成分类预测方法-CN201611038696.2在审
发明人：曹鹏;刘筱力;单宣峰;刘爽;栗伟;覃文军;冯朝路;杨金柱 -专利权人：东北大学
申请日： 2016-11-11 - 公布日： 2017-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及数据挖掘技术领域，提出结合选择性升采样的不均衡数据流加权集成分类预测方法，包括根据相似度对历史数据块的少数类样本进行筛选，选择与当前训练数据块概念最相近的样本；对选择的样本通过在决策边界区域合成新样本以达到选择地实施升采样；采用基于概率分布相关度的权重分配策略对新样本进行加权集成分类处理。通过选择相似度高的历史数据和合成边界区域的新数据来有效增加少数类样本信息，扩大少数类的决策域；同时为了适应存在概念漂移的动态数据，使用集成分类思想，设计一种基于概率分布相关度的权重分配策略，提升整体分类精度。实验结果表明该算法有效地提高了少数类的识别率以及整体的分类性能，具有更好的处理不均衡数据流的优势。
结合选择性采样均衡数据流加权集成分类预测方法