CN114549946B 一种基于跨模态注意力机制的多模态个性识别方法及系统 （中山大学）_第1页
CN114549946B 一种基于跨模态注意力机制的多模态个性识别方法及系统 （中山大学）_第2页
CN114549946B 一种基于跨模态注意力机制的多模态个性识别方法及系统 （中山大学）_第3页
CN114549946B 一种基于跨模态注意力机制的多模态个性识别方法及系统 （中山大学）_第4页
CN114549946B 一种基于跨模态注意力机制的多模态个性识别方法及系统 （中山大学）_第5页
已阅读5页，还剩23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

一种基于跨模态注意力机制的多模态个性本发明公开了一种基于跨模态注意力机制据中的音频文件和视频帧中的人脸图像和场景利用跨模注意力机制对提取的声音特征和图像S1-S5迭代训练，利用验证集对训练后的模型进行验证，保存验证效果最好的模型用于个性识2S1：对视频数据进行预处理，分别得到视频S403：将通过跨模态注意力机制提取的各模态特征通过LSm+(1-γ)a示经过跨模态注意力机制后的得到的特征序列；t＝biLSTM(XAtt)tt分别表示为LSTM的最后一层输出和所有隐层输出，Wt表示时序特征的注意S503：将拼接后的特征和权重向量相乘后输入至预设32.根据权利要求1所述的一种基于跨模态注意力机制的多模态个性识别方法，其特征3.根据权利要求2所述的一种基于跨模态注意力机制的多模态个性识别方法，其特征4.根据权利要求1所述的一种基于跨模态注意力机制的多模态个性识别方法，其特征15.根据权利要求1所述的一种基于跨模态注意力机制的多模态个性识别方法，其特征于跨模态注意力机制的多模态个性识别方法程序被所述处理器执行时S1：对视频数据进行预处理，分别得到视频4S403：将通过跨模态注意力机制提取的各模态特征通过LSm+(1-γ)a示经过跨模态注意力机制后的得到的特征序列；t＝biLSTM(XAtt)tt分别表示为LSTM的最后一层输出和所有隐层输出，Wt表示时序特征的注意S503：将拼接后的特征和权重向量相乘后输入至预设5[0006]本发明为克服上述现有技术中基于多模态的个性分析没有考虑模态特征的时序6ft分别为S3提取的场景特征序列和人脸a表示经过跨模态注意力机制后的得到的特征序列。t＝biLSTM(Xatt)7[0037]W=O·HfZs分别为提取的声音、人脸、场景的模态[0058]本发明在模态特征提取时利用跨模态注意力机制，充分提取模态之间的交互信8[0067]如图1-2所示，本发明第一方面提供了一种基于跨模态注意力机制的多模态个性9[0081]需要说明的是，通过双向的GRU得到三个模态特征的上下文特征表示数学表达式ft分别为提取的场景特征序列和人脸特a表示经过跨模态注意力机制后的得到的特征序列。t＝biLSTM(Xatt)征通过两层全连接激活和Softmax激活得到权重向量，将拼接后的模态特征与权重向量相Zs分别为提取的声音、人脸、场景的模态[0127]需要说明的是，通过双向的GRU得到三个模态特征的上下文特征表示数学表达式ft分别为提取的场景特征序列和人脸特a表示经过跨模态注意力机制后的得到的特征序列。t＝biLSTM(Xatt)征通过两层全连接激活和Softmax激活得到权重向量，将拼接后的模态特征与权重向量相由一个人的单人镜头的15秒视频以及其5个个性方面的打分组成，其个性特点由AmazonMechanicalTurk(AMT)人工标注[0164]S3：图像特征初步提取。对于从S1得到的人脸图像和场景图像，每一张都通过

人人文库> 全部分类> 行业资料 > 信息产业

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。

最新文档

评论

0/150

提交评论