申请/专利权人:武汉大学
申请日:2023-12-15
公开(公告)日:2024-04-05
公开(公告)号:CN117830891A
主分类号:G06V20/40
分类号:G06V20/40;G10L25/30;G10L25/51;G06V10/82;G06N3/0499;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种音视频中非友善事件检测方法及系统,首先将待检测的视频序列分别输入音频预训练网络以及视觉预训练网络,分别生成预训练特征;然后将预训练特征分别输入两个自注意力网络以学习模态间的时频域特征,分别生成模态内特征;接着将模态内特征输入交叉注意力网络学习模态间的相关信息,分别生成模态间特征;最后将这模态间特征分别通过一层全连接层,分别计算出两个模态的预测分数;并将预测分数在时域维度上直接相加,得到对于输入视频的预测分数,根据预测分数确定音视频中事件性质。本发明在当前最大的音视频非友善事件检测数据集上达到最高的平均精度,提升了生成音视频特征的泛化性能,实现精确的帧级别音视频事件检测。
主权项:1.一种音视频中非友善事件检测方法,其特征在于,包括以下步骤:步骤1:将待检测的视频序列分别输入音频预训练网络以及视觉预训练网络,分别生成预训练特征pa、pv;步骤2:将预训练特征pa、pv分别输入两个自注意力网络以学习模态间的时频域特征,分别生成模态内特征fa、fv;步骤3:将模态内特征fa、fv输入交叉注意力网络学习模态间的相关信息,分别生成模态间特征步骤4:将这模态间特征分别通过一层全连接层,分别计算出两个模态的预测分数;并将预测分数在时域维度上直接相加,得到对于输入视频的预测分数,根据预测分数确定音视频中事件性质。
全文数据:
权利要求:
百度查询: 武汉大学 一种音视频中非友善事件检测方法及系统
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。