申请/专利权人：广东工业大学

申请日：2024-02-29

公开（公告）日：2024-05-07

公开（公告）号：CN117809229B

主分类号：G06V20/40

分类号：G06V20/40;G06N3/084;G06N3/0895;G06V10/80;G06V10/82;G06V20/70;G10L25/18

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了基于个性和共性对比分阶段引导的多模态情感分析方法，包括：提取视频样本的语言特征、声学特征和视觉特征；对所述语言特征、声学特征和视觉特征进行预处理后，进行两个阶段的高层次语义特征提取，获取第一阶段提取数据和第二阶段提取数据；利用个性对比损失函数，对所述第一阶段提取数据进行提取，获取特定于每个模态特性的表征数据；利用共性对比损失函数，对所述第二阶段提取数据进行提取，获取模态间共享特性的表征数据；基于所述特定于每个模态特性的表征数据和所述模态间共享特性的表征数据，推理视频样本的情感值。本发明能综合利用数据的多方面描述来推理视频片段中人物的情感极性。

主权项：1.基于个性和共性对比分阶段引导的多模态情感分析方法，其特征在于，包括：提取视频样本的语言特征、声学特征和视觉特征；对所述语言特征、声学特征和视觉特征进行预处理后，进行两个阶段的高层次语义特征提取，获取第一阶段提取数据和第二阶段提取数据；进行两个阶段的高层次语义特征提取包括：利用三个Transformer编码器分别从预处理后的所述语言特征、声学特征和视觉特征中提取相应的所述高层次语义特征；其中，将三个Transformer编码器分成两个阶段，每个阶段包括若干个Transformer编码层；两个阶段的计算方法为： 其中，和分别为第一阶段和第二阶段的Transformer编码器，，是语言模态，是视觉模态，是声学模态，是模态的第个样本输入；利用个性对比损失函数，对所述第一阶段提取数据进行提取，获取特定于每个模态特性的表征数据；所述个性对比损失函数为： 其中，表示通过函数从模态的第个样本在网络第一个阶段输出的特征提取的向量，表示多层感知机，表示值大于零的温度系数，表示除去的索引集合，表示标签与第个样本相同但索引属于集合的索引集合，k表示增强视图的个数，n表示一个批次里样本的个数，表示声学模态，p表示集合中的样本，icm表示个性对比模块；利用共性对比损失函数，对所述第二阶段提取数据进行提取，获取模态间共享特性的表征数据；所述共性对比损失函数为： 其中，表示通过函数从模态的第个样本在网络第二个阶段输出的特征提取的向量，表示三个模态中除去模态的集合，表示源于第个样本的所有视图索引，j表示集合的索引，s表示集合的索引，表示通过函数从模态s的第j个样本在网络第二个阶段输出的特征提取的向量，表示声学模态，q表示集合的索引，表示通过函数从模态q的第a个样本在网络第二个阶段输出的特征提取的向量，ccm表示共性对比模块；基于所述特定于每个模态特性的表征数据和所述模态间共享特性的表征数据，推理视频样本的情感值。

全文数据：

权利要求：

百度查询： 广东工业大学 基于个性和共性对比分阶段引导的多模态情感分析方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD