CN113408385B 一种音视频多模态情感分类方法及系统 (华南理工大学)_第1页
CN113408385B 一种音视频多模态情感分类方法及系统 (华南理工大学)_第2页
CN113408385B 一种音视频多模态情感分类方法及系统 (华南理工大学)_第3页
CN113408385B 一种音视频多模态情感分类方法及系统 (华南理工大学)_第4页
CN113408385B 一种音视频多模态情感分类方法及系统 (华南理工大学)_第5页
已阅读5页,还剩16页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

US2019265955A1,2019.0本发明涉及语音和图像处理、模式识别领其方法包括步骤:对原始视频数据的处理与计2S1、对原始视频数据的处理与计算,得到视频数据从一段原始视频数据中提取关键帧,对每一对K段原始视频数据均进行上述特征提取步骤,得到K个视频数据样本,记为{V1,V2,步骤S2中特征提取网络包括帧图片序列特征提取3LSTM网络输出接到全连接层获得多模态中的视截断的路径积分值得到深层次特征Qi2;将Con-LSTM模块与Sig模块分别采集到的深层次特网络包括文本特征提取网络,经步骤S13处理后的文本词向量以及分句符号的输入长度固词向量在输入BERT网络后,按照单词顺序依次送入各个Transformer块中,生成第一层特Ti。特征融合及分类模块,将提取到的视觉模态特征、音频特视频数据处理与计算模块,用于从一段原始视频数据中的帧图片,将帧图片切分成大小为(P,P)的图片块,并将切分后的图4,…,Ak};帧图片序列特征提取网络,帧图片序列特征提取网络包括Vit网络、路径积分网络和径积分网络中的路径积分模块分别对关键点序列沿平面二位坐标轴进行空间上的路径积的路径积分值得到深层次特征Qi2;将Con-LSTM模块与Sig模块分别采集到的深层次特征拼m层提取后最终将特征输送给全连接层获取输出向量,作为多模态情感分析中56789[0038]对K段视频片段均进行上述特征提取步骤,得到K个视频数据样本,记为{V1,V2,[0044]对K段音频信号均进行上述文本转换过程,得到K个文本特征样本,记为{T1,T2,建了预训练BERT微调网络,将文本转化为词向量并经由attention+transformer结构与预网络输出取多层感知机MLP的头部接到全连接层。路径积分网络用于计算人脸关键点连线Con-LSTM模块、Sig模块。其中,Con-LSTM模块包括两个独立的卷积块和双序列的LSTM个卷积块由两个卷积层与最大池化层组成;两个卷积块输出即为梅尔频谱图的高层次特BERT网络中。每个Transformer块包括编码器以及后续的全连接层、Softmax层。利用Transformer中的多头注意力机制来提取文本中的相关特征。文本词向量在输入BERT网络全连接层进行维度统一,输入到张量融合网络中进行融合学习,最后经过全连接层与[0053]融合网络为TFN(TensorFusionNetw

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论