[发明专利]一种基于音频和面部输入的受话方检测框架和方法在审
| 申请号： | 202211019716.7 | 申请日： | 2022-08-24 |
| 公开（公告）号： | CN115620356A | 公开（公告）日： | 2023-01-17 |
| 发明（设计）人： | 李想;顾建军;朱世强;宋伟;吴洪;林哲远;黄敏;汪雯;瑞嘉 | 申请（专利权）人： | 之江实验室 |
| 主分类号： | G06V40/16 | 分类号： | G06V40/16;G06V40/20;G06V20/40;G06V10/82;G06F18/25;G06N3/0464;G06N3/047;G06N3/08;G10L15/02;G10L15/06;G10L15/16;G10L15/22;G10L25/03;G10L25/2 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 陈洁 |
| 地址： | 311100 浙江省杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于视听处理、机器学习技术领域，公开了一种基于音频和面部输入的受话方检测框架和方法，前端包括音频流编码器和视频流编码器；后端包括交叉注意力模块；双线性融合模块以及自注意力模块；本发明框架输入可变长度的音频和面部区域信息，并通过联合分析音频和面部特征，预测每帧中的受话方。它使用在人对人和人对机器人混合设置中记录的数据集。因此，所述框架可应用并适用于机器人，以区分机器人是否为受话方。使得机器人具有智能视听感知能力，提高了机器人智能化程度。 | ||
| 搜索关键词： | 一种 基于 音频 面部 输入 受话方 检测 框架 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于之江实验室，未经之江实验室许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202211019716.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种安全气囊折叠工装
- 下一篇：一种颅底肿瘤手术用头部固定装置
