自主可控语音关键事件检测供应

时间:2021年08月30日 来源:

    每种类型与某一数字对应,以便于计算机的处理,则可以分别标记为[0,1,2,3,4,...,29,30]。在本申请的示例性实施例中,因计算机无法直接处理中文,因此可以将句子(语句)中每一个单词转化为数字的映射。即,获得语句的向量化语义表示w1。在本申请的示例性实施例中,所述获得语句的向量化语义表示w1可以包括:通过双向lstm网络模型或bert模型获得语句的向量化语义表示w1。在本申请的示例性实施例中,在通过双向lstm网络获得语句的向量化语义表示w1之前,所述方法还可以包括:将语句中的m个字符随机初始化为一个维度为[m,n]的n维向量d,其中,对于从0到m-1的索引id,每个id对应一个不同的字符;对于长度为s的语句,该语句中每一个字符能够在向量d中找到对应的id,从而获得维度为[s,d]的向量。在本申请的示例性实施例中,通过双向lstm网络获得语句的向量化语义表示w1可以包括:将维度为[s,d]的向量输入预设的双向lstm神经网络,将所述双向lstm神经网络的输出作为语句的向量化语义表示w1。在本申请的示例性实施例中,假设语料中一共有20000个不同的字符(汉字和/或单词,可以包括其他常用符号),每个字符可以随机初始化为一个300维的向量,则可以得到一个维度为[20000。语音关键事件检测的意义是什么?自主可控语音关键事件检测供应

自主可控语音关键事件检测供应,语音关键事件检测

    并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而。河北新一代语音关键事件检测供应语音关键事件检测和摄像头有联系吗?

自主可控语音关键事件检测供应,语音关键事件检测

    使得每一个摄像头能够采集到泳池内相同面积的图像。例如,在游泳池的一侧壁上,均匀设置有4个摄像头11,4个摄像头11均设置在游泳池水面以上,4个摄像头11的高度相等,且水平方向上4个摄像头11等间距排列。给出了本实用新型实施例中的一种摄像头11安装位置。图2中,4个摄像头依次为21、22、23、24,在水平方向上四个摄像头等间距排列,且均设置在游泳池壁20上。需要说明的是,在设置多个摄像头11时,可以获取所有摄像头11采集到的图像,并判断所有摄像头11采集到的图像的总和是否覆盖了整个游泳池,也即判断所有摄像头11采集到的图像是否存在盲区。若存在盲区,则可以对多个摄像头11的安装位置进行调整,或者对多个摄像头11的图像采集角度进行调整,也可以增加摄像头11的数量以将盲区覆盖。在具体实施中,溺水事件检测系统还可以包括m个第二摄像头14,m为正整数。m个第二摄像头14与控制器12可以通过有线连接的方式进行通信,也可以通过无线连接的方式进行通信。在本实用新型实施例中,m个第二摄像头14与控制器12通过无线连接的方式进行通信。m个第二摄像头14与控制器12之间进行无线通信时,所采用的无线通信协议可以为wifi、蓝牙、zigbee等。可以理解的是。

    检测模型为:基于各个样本图像和每个样本图像的事件检测结果所训练得到的模型。在该检测模型的训练过程中,可以将各个样本图像作为待训练模型的输入,将各个样本图像的事件检测结果作为待训练模型的输出。这样,在训练过程中,待训练模型可以学习各个样本图像中的图像特征,输出各个样本图像的事件检测结果,逐步建立样本图像的图像特征和事件检测结果的对应关系。这样,经过大量样本图像的学习,便可以得到上述检测模型。而该训练得到的检测模型也就可以用于对基于当前帧图像确定的待分析图像进行检测,输出的事件检测结果,即为关于目标防护舱的事件检测结果。显然,在训练上述检测模型时,所使用的样本图像为关于防护舱的图像。需要强调的是,不同类型和数量的待分析图像,所利用的检测模型也是不同的。为了行为清楚,后续将会对待分析图像与检测模型之间的对应关系进行举例说明。需要说明的是,上述检测模型可以在电子设备中训练得到的,也可以在与电子设备通信连接的其他电子设备中训练得到的,这样,电子设备便可以从该其他电子设备中获得上述检测模型,这都是合理的。此外,在本发明实施例中,电子设备可以检测目标防护舱内是否发生异常事件,则在这种情况下。语音关键事件检测主要对哪些领域有大作用?

自主可控语音关键事件检测供应,语音关键事件检测

    光流图检测模型为:采用各个第二样本图像组和每个第二样本图像组的事件检测结果所训练得到的模型,且每一第二样本图像组中的图像与待分析图像的图像数量相同,各个第二样本图像组中的图像为:关于防护舱的光流图。具体的,当待分析图像为:包括光流图和光流图之前的连续n帧光流图的多张图像,则光流图检测模型为:采用各个第二样本图像组和每个第二样本图像组的事件检测结果所训练得到的模型,且每一第二样本图像组中包括n+1帧光流图。其中,针对至少一个防护舱,在该防护舱中发生各类事件时,获取n+1帧关于该防护舱的光流图,这样,该n+1帧光流图便可以组成一个第二样本图像组,并进一步确定该第二样本图像组的事件检测结果为:获取该n+1帧光流图时,该防护舱内发生的事件类型。具体的,当待分析图像为:光流图,则光流图检测模型为:采用各个第二样本图像和每个第二样本图像的事件检测结果所训练得到的模型,且每个第二样本图像为一帧光流图。其中,针对至少一个防护舱,在该防护舱中发生各类事件时,获取一帧关于该防护舱的光流图,并将获取该光流图时,该防护舱内发生的事件类型作为该光流图的事件检测结果,这样。语音关键事件检测用到了哪些技术?深圳数字语音关键事件检测是什么

语音关键事件检测发展如何?自主可控语音关键事件检测供应

    还可以在检测到发生异常事件时,确定所发生的异常事件的事件类型。即事件检测结果为:关于发生异常事件且所发生异常事件类型的结果。这样,电子设备可以根据检测模型的输出结果,确定目标防护舱内发生哪种异常事件。可选的,一种具体实现方式中:在上述步骤s304中,上述检测模型可以直接输出:所发生的异常事件的类型,这样,电子设备便可以直接确定目标防护舱内用户出现的异常事件的类型,并将该类型作为:关于目标防护舱的事件检测结果。例如,倒地事件;这样,电子设备便可以确定目标防护舱内出现用户意外倒地的事件。可选的,另一种具体实现方式中:在上述步骤s304中,在训练检测模型时,可以预先设定多种类型的异常事件,则上述检测模型可以直接输出:正常事件概率以及每种类型的异常事件的概率。其中,正常事件表示目标防护舱内未发生异常事件。这样,电子设备便可以将概率比较高的事件确定为目标防护舱内用户出现的事件的类型,并将该类型作为:关于目标防护舱的事件检测结果。显然,当正常事件概率比较高时,则可以确定目标防护舱内未发生异常事件,当某类型的异常事件的概率比较高时,则可以确定目标防护舱内发生该类型异常事件。例如,正常事件概率5%。自主可控语音关键事件检测供应

深圳鱼亮科技有限公司致力于通信产品,以科技创新实现***管理的追求。深圳鱼亮科技深耕行业多年,始终以客户的需求为向导,为客户提供***的智能家居,语音识别算法,机器人交互系统,降噪。深圳鱼亮科技始终以本分踏实的精神和必胜的信念,影响并带动团队取得成功。深圳鱼亮科技始终关注通信产品市场,以敏锐的市场洞察力,实现与客户的成长共赢。

信息来源于互联网 本站不为信息真实性负责