龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：山东浪潮数字服务有限公司
摘要：本发明提供了基于三维卷积和视觉Transformer的多模态唇语识别方法、装置及介质，属于唇语识别技术领域。所述方法包括：采集唇部视频数据和音频数据，并对数据进行标注和预处理；分别使用基于三维卷积和Transformer的网络从视频和音频中提取视觉特征和音频特征；采用自适应权重融合策略，动态整合视觉和音频两种模态的信息，生成融合特征向量；构建并训练唇语识别模型；将融合特征向量输入到训练完成的唇语识别模型中，依次经过三维卷积神经网络、模型前端编码器和解码器，输出最终的唇语识别结果。本发明动态结合视频和音频数据，以提升唇语识别的整体性能。
主权项：1.一种基于三维卷积和视觉Transformer的多模态唇语识别方法，其特征在于，包括：采集唇部视频数据和音频数据，并对数据进行标注和预处理；分别使用基于三维卷积和Transformer的网络从视频和音频中提取视觉特征和音频特征；采用自适应权重融合策略，动态整合视觉和音频两种模态的信息，生成融合特征向量；构建并训练唇语识别模型，所述唇语识别模型依次包括三维卷积神经网络、模型前端编码器和解码器；所述模型前端编码器依次包括二维卷积和视觉Transformer模型，所述视觉Transformer模型基于Transformer模型在其卷积标记嵌入层中加入了压缩和激励结构；所述解码器依次包括BiGRU、全连接层和softmax函数；将融合特征向量输入到训练完成的唇语识别模型中，依次经过三维卷积神经网络、模型前端编码器和解码器，输出最终的唇语识别结果。
全文数据：
权利要求：
百度查询： 山东浪潮数字服务有限公司 基于三维卷积和视觉Transformer的多模态唇语识别方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号