视觉语言识别方法以及相关设备
公开
摘要
本申请提供一种视觉语言识别方法以及相关设备。所述方法包括：对目标视频进行唇部特征提取，得到包含唇部特征的视位序列；对视位序列去冗余，得到候选视位序列；将候选视位序列映射到音位序列，得到候选音位序列；将候选音位序列映射到候选文本，得到视觉语言识别结果。本申请提供的视觉语言识别方法，将提取唇部特征后的目标视频的视位序列映射到音位序列，将目标视频的音位序列映射到候选文本，进而得出识别视觉语言识别结果。解决视觉语言识别研究中难以对大规模汉字建模的问题，且避免了因为缺乏大规模数据集导致研究难以推进的问题。
基本信息
专利标题 ：
视觉语言识别方法以及相关设备
专利标题（英）：
暂无
公开（公告）号 ：
CN114581813A
申请号 ：
CN202210046616.7
公开（公告）日 ：
2022-06-03
申请日 ：
2022-01-12
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
谢东亮孙保胜
申请人 ：
北京云辰信通科技有限公司
申请人地址 ：
北京市海淀区大钟寺东路9号1幢B座1层119-152
代理机构 ：
北京风雅颂专利代理有限公司
代理人 ：
朱智勇
优先权 ：
CN202210046616.7
主分类号 ：
G06V20/40
IPC分类号 ：
G06V20/40 G06K9/62 G06N3/04 G06N3/08 G06V30/148 G06V40/20 G06V10/764
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
