[发明专利]一种基于视听觉多模态的视频音源分离方法在审
| 申请号： | 202210093434.5 | 申请日： | 2022-01-26 |
| 公开（公告）号： | CN114446317A | 公开（公告）日： | 2022-05-06 |
| 发明（设计）人： | 刘金羽;冯瑞;张玥杰 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G10L21/028 | 分类号： | G10L21/028;G10L25/12;G10L25/18;G10L25/57;G06V20/40;G06V10/764;G06V10/82;G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海德昭知识产权代理有限公司 31204 | 代理人： | 程宗德 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于视听觉多模态的视频音源分离方法，具有这样的特征，包括以下步骤：步骤1，对视频的视觉信息和听觉信息进行特征提取，得到视觉标签和听觉特征；步骤2，将视觉标签和听觉特征放入多实例多标签网络，得到听觉特征与视觉标签的关联值；步骤3，将视频和关联值放入音源分离网络中，得到每一个对象的单独声音，其中，步骤2中，多实例多标签网络的训练包括以下步骤：步骤2‑1，构建初始多实例多标签网络；步骤2‑2，将一个视频中所得到的所有音频特征向量作为训练集放入多实例多标签网络中训练，得到每个音频特征向量和所有视觉对象的关联特征图。 | ||
| 搜索关键词： | 一种 基于 视听 觉多模态 视频 音源 分离 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复旦大学，未经复旦大学许可，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/202210093434.5/，转载请声明来源钻瓜专利网。
- 上一篇：图片处理方法和装置
- 下一篇：复合树脂盖板生产装置
