本申請(qǐng)?zhí)峁┝艘环N事件檢測(cè)方法，如圖1所示，所述方法可以包括s101-s105：s101、獲得語句的向量化語義表示w1。在本申請(qǐng)的示例性實(shí)施例中，在獲得語句的向量化語義表示w1之前，可以首先對(duì)要進(jìn)行事件抽取的數(shù)據(jù)進(jìn)行預(yù)處理。在本申請(qǐng)的示例性實(shí)施例中，所述方法還可以包括：預(yù)先將觸發(fā)詞的類型劃分為x種，將事件主體的類型劃分為y種，其中，x、y均為正整數(shù)；在獲得語句的向量化語義表示w1之前，根據(jù)設(shè)定的span寬度，對(duì)語句進(jìn)行span劃分，以將語句劃分為多個(gè)span，并對(duì)每個(gè)span進(jìn)行標(biāo)記；其中，每個(gè)標(biāo)記表示x+y+1種類型中的任意一種，1表示所述觸發(fā)詞的類型和所述事件主體的類型以外的其他類型。在本申請(qǐng)的示例性實(shí)施例中，假設(shè)觸發(fā)詞的類型(可以稱為事件類型)數(shù)為n_event＝10，即x＝10，事件主體的類型(可以稱為實(shí)體類型)數(shù)為n_entity＝20，即y＝20，則一共有10+20＝30種類型。在本申請(qǐng)的示例性實(shí)施例中，可以首先對(duì)數(shù)據(jù)進(jìn)行span的劃分。以單個(gè)句子為例，假如設(shè)定span的大寬度max_span_width＝8，則可以得到多個(gè)span，需要對(duì)每個(gè)span進(jìn)行標(biāo)記，即確定每個(gè)span是否是觸發(fā)詞、事件主體還是其他類型(other類型)。在進(jìn)行分類時(shí)，一共有30種類型，加上other類型一共31種。語音關(guān)鍵事件檢測(cè)的穩(wěn)定性怎么樣？安徽移動(dòng)語音關(guān)鍵事件檢測(cè)設(shè)計(jì)
可以獲取概率大值的索引所對(duì)應(yīng)的類型即可。本申請(qǐng)實(shí)施例通過雙向lstm網(wǎng)絡(luò)或者bert得到句子的向量化語義表示，然后進(jìn)行span的劃分從而得到多個(gè)語義片段，然后對(duì)每個(gè)語義片段進(jìn)行平均池化得到每個(gè)span的表示，使用自注意力機(jī)制獲取不同span之間的關(guān)系從而得到深層的語義表示，后使用兩層全連接網(wǎng)絡(luò)進(jìn)行分類操作從而確定每個(gè)span是否為某一事件的觸發(fā)詞或者是事件主體。本申請(qǐng)實(shí)施例公開了一種采用span劃分方式，同時(shí)抽取事件觸發(fā)詞和事件主體的事件檢測(cè)方法，至少具有以下優(yōu)勢(shì)：1、同時(shí)抽取事件觸發(fā)詞和事件的主體，可獲取更加有用的信息，具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。2、在數(shù)據(jù)處理和建模的過程中不使用現(xiàn)有的自然語言處理工具，使得操作簡(jiǎn)單，也避免了因使用自然語言處理工具而導(dǎo)致的誤差累積的問題，同時(shí)也更加符合真實(shí)應(yīng)用場(chǎng)景。3、通過劃分span的方式，完美解決了序列標(biāo)注存在的問題，效率更高，適用性更強(qiáng)。本申請(qǐng)還提供了一種事件檢測(cè)裝置1，如圖2所示，可以包括處理器11和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)12，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)12中存儲(chǔ)有指令，當(dāng)所述指令被所述處理器11執(zhí)行時(shí)，實(shí)現(xiàn)上述任意一項(xiàng)所述的事件檢測(cè)方法。本領(lǐng)域普通技術(shù)人員可以理解。河南信息化語音關(guān)鍵事件檢測(cè)是什么語音關(guān)鍵事件檢測(cè)的設(shè)備有哪些？
光流圖檢測(cè)模型為：采用各個(gè)第二樣本圖像組和每個(gè)第二樣本圖像組的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每一第二樣本圖像組中包括n+1幀光流圖。第二種情況：待分析圖像為：當(dāng)前幀圖像和當(dāng)前幀圖像之前的連續(xù)m幀圖像的多張圖像；場(chǎng)景圖像檢測(cè)模型為：采用各個(gè)樣本圖像組和每個(gè)樣本圖像組的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每一樣本圖像組中包括m+1幀場(chǎng)景圖像；輔助圖像為：光流圖；光流圖檢測(cè)模型為：采用各個(gè)第二樣本圖像和每個(gè)第二樣本圖像的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每個(gè)第二樣本圖像為一幀光流圖。第三種情況：待分析圖像為：當(dāng)前幀圖像；場(chǎng)景圖像檢測(cè)模型為：采用各個(gè)樣本圖像和每個(gè)樣本圖像的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每個(gè)樣本圖像為一幀場(chǎng)景圖像；輔助圖像為：包括光流圖和光流圖之前的連續(xù)n幀光流圖的多張圖像；光流圖檢測(cè)模型為：采用各個(gè)第二樣本圖像組和每個(gè)第二樣本圖像組的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每一第二樣本圖像組中包括n+1幀光流圖。第四種情況：待分析圖像為：當(dāng)前幀圖像；場(chǎng)景圖像檢測(cè)模型為：采用各個(gè)樣本圖像和每個(gè)樣本圖像的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每個(gè)樣本圖像為一幀場(chǎng)景圖像；輔助圖像為：光流圖。
目標(biāo)對(duì)象為：能夠表征用戶進(jìn)入目標(biāo)防護(hù)艙的用戶身體部位；可以理解的，在某些時(shí)刻，目標(biāo)防護(hù)艙內(nèi)可能并不存在用戶，則可以確定在這些時(shí)刻目標(biāo)防護(hù)艙內(nèi)不會(huì)發(fā)生異常事件。因此，為了節(jié)省電子設(shè)備的資源，減輕電子設(shè)備的運(yùn)行負(fù)擔(dān)，在獲取到當(dāng)前幀圖像后，電子設(shè)備便可以利用圖像識(shí)別算法對(duì)當(dāng)前幀圖像進(jìn)行檢測(cè)，判斷當(dāng)前幀圖像是否包含目標(biāo)對(duì)象。其中，當(dāng)判斷結(jié)果為是時(shí)，電子設(shè)備可以確定存在用戶進(jìn)入目標(biāo)防護(hù)艙，則在當(dāng)前時(shí)刻，目標(biāo)防護(hù)艙內(nèi)可能發(fā)生異常事件，這樣，電子設(shè)備便可以繼續(xù)執(zhí)行步驟s303。需要說明的是，電子設(shè)備可以采用任一能夠檢測(cè)出當(dāng)前幀圖像中是否包含目標(biāo)對(duì)象的圖像識(shí)別算法執(zhí)行上述步驟s302，對(duì)此，本發(fā)明實(shí)施例不做具體限定。此外，根據(jù)實(shí)際情況中，根據(jù)采集關(guān)于目標(biāo)防護(hù)艙的圖像的圖像采集設(shè)備的安裝位置，上述目標(biāo)對(duì)象所指示的具體的用戶身體部位可以不同。例如，當(dāng)圖像采集設(shè)備安裝在艙頂時(shí)，該目標(biāo)對(duì)象可以是用戶的頭肩部；當(dāng)圖像采集設(shè)備安裝在艙壁時(shí)，目標(biāo)對(duì)象可以是用戶的全身圖像。這都是合理的。s303：基于當(dāng)前幀圖像，確定待分析圖像；其中，待分析圖像為：關(guān)于目標(biāo)防護(hù)艙及目標(biāo)對(duì)象的圖像。在判斷得到當(dāng)前幀圖像中包括目標(biāo)對(duì)象后。語音關(guān)鍵事件檢測(cè)的社會(huì)的作用有哪些？
確定關(guān)于目標(biāo)防護(hù)艙的事件檢測(cè)結(jié)果；其中，場(chǎng)景圖像檢測(cè)模型為：采用各個(gè)樣本圖像組和每個(gè)樣本圖像組的事件檢測(cè)結(jié)果所訓(xùn)練得到的模型，且每一樣本圖像組中的圖像與待分析圖像的圖像數(shù)量相同，各個(gè)樣本圖像組中的圖像為：所采集到的關(guān)于防護(hù)艙的圖像。可選的，一種具體實(shí)現(xiàn)方式中，上述裝置包括：光流圖確定模塊，用于每當(dāng)獲取到一幀圖像時(shí)，利用該幀圖像和該幀圖像的前一幀圖像，得到該幀圖像對(duì)應(yīng)的光流圖；則在本實(shí)現(xiàn)方式中，上述圖像確定模塊630包括：第二圖像確定子模塊，用于將至少包含光流圖在內(nèi)的第二類圖像確定為待分析圖像，其中，第二類圖像中各個(gè)圖像的類型均為：基于每?jī)蓭B續(xù)的關(guān)于目標(biāo)防護(hù)艙且包括目標(biāo)對(duì)象的圖像獲取的光流圖，光流圖為當(dāng)前幀圖像對(duì)應(yīng)的光流圖?？蛇x的，一種具體實(shí)現(xiàn)方式中，第二類圖像為：包括光流圖和光流圖之前的連續(xù)n幀光流圖的多張圖像；其中，n為正整數(shù)；或，第二類圖像為：光流圖。可選的，一種具體實(shí)現(xiàn)方式中，上述結(jié)果確定模塊640包括：第二圖像檢測(cè)子模塊，用于將待分析圖像輸入到預(yù)設(shè)的光流圖檢測(cè)模型中，得到光流圖檢測(cè)模型輸出的檢測(cè)結(jié)果；第二結(jié)果確定子模塊，用于基于光流圖檢測(cè)模型輸出的檢測(cè)結(jié)果。語音關(guān)鍵事件檢測(cè)圖片。云南信息化語音關(guān)鍵事件檢測(cè)設(shè)計(jì)
語音關(guān)鍵事件檢測(cè)在國際上的運(yùn)用如何？安徽移動(dòng)語音關(guān)鍵事件檢測(cè)設(shè)計(jì)
并為所得到的截圖添加標(biāo)簽，其中，標(biāo)簽包括：采集當(dāng)前幀圖像的采集時(shí)間和所發(fā)生異常事件類型對(duì)應(yīng)的類型標(biāo)簽?？蛇x的，一種具體實(shí)現(xiàn)方式中，上述裝置還包括：視頻標(biāo)記模塊，用于當(dāng)事件檢測(cè)結(jié)果為關(guān)于發(fā)生異常事件且所發(fā)生異常事件類型的結(jié)果時(shí)，在關(guān)于目標(biāo)防護(hù)艙的監(jiān)控視頻中，為當(dāng)前幀圖像添加第二標(biāo)簽，其中，第二標(biāo)簽包括：所發(fā)生異常事件類型對(duì)應(yīng)的類型標(biāo)簽。相應(yīng)于上述本發(fā)明實(shí)例提供的一種事件檢測(cè)方法，本發(fā)明實(shí)施例還提供了一種電子設(shè)備，如圖7所示，包括處理器701、通信接口702、存儲(chǔ)器703和通信總線704，其中，處理器701，通信接口702，存儲(chǔ)器703通過通信總線704完成相互間的通信，存儲(chǔ)器703，用于存放計(jì)算機(jī)程序；處理器701，用于執(zhí)行存儲(chǔ)器703上所存放的程序時(shí)，實(shí)現(xiàn)上述本發(fā)明實(shí)施例提供的一種事件檢測(cè)方法中的任一方法步驟。上述電子設(shè)備提到的通信總線可以是外設(shè)部件互連標(biāo)準(zhǔn)(peripheralcomponentinterconnect，pci)總線或擴(kuò)展工業(yè)標(biāo)準(zhǔn)結(jié)構(gòu)(extendedindustrystandardarchitecture，eisa)總線等。該通信總線可以分為地址總線、數(shù)據(jù)總線、控制總線等。為便于表示，圖中用一條粗線表示，但并不表示有一根總線或一種類型的總線。安徽移動(dòng)語音關(guān)鍵事件檢測(cè)設(shè)計(jì)
深圳魚亮科技，2017-11-03正式啟動(dòng)，成立了智能家居，語音識(shí)別算法，機(jī)器人交互系統(tǒng)，降噪等幾大市場(chǎng)布局，應(yīng)對(duì)行業(yè)變化，順應(yīng)市場(chǎng)趨勢(shì)發(fā)展，在創(chuàng)新中尋求突破，進(jìn)而提升Bothlent的市場(chǎng)競(jìng)爭(zhēng)力，把握市場(chǎng)機(jī)遇，推動(dòng)通信產(chǎn)品產(chǎn)業(yè)的進(jìn)步。深圳魚亮科技經(jīng)營業(yè)績(jī)遍布國內(nèi)諸多地區(qū)地區(qū)，業(yè)務(wù)布局涵蓋智能家居，語音識(shí)別算法，機(jī)器人交互系統(tǒng)，降噪等板塊。我們強(qiáng)化內(nèi)部資源整合與業(yè)務(wù)協(xié)同，致力于智能家居，語音識(shí)別算法，機(jī)器人交互系統(tǒng)，降噪等實(shí)現(xiàn)一體化，建立了成熟的智能家居，語音識(shí)別算法，機(jī)器人交互系統(tǒng)，降噪運(yùn)營及風(fēng)險(xiǎn)管理體系，累積了豐富的通信產(chǎn)品行業(yè)管理經(jīng)驗(yàn)，擁有一大批專業(yè)人才。值得一提的是，深圳魚亮科技致力于為用戶帶去更為定向、專業(yè)的通信產(chǎn)品一體化解決方案，在有效降低用戶成本的同時(shí)，更能憑借科學(xué)的技術(shù)讓用戶極大限度地挖掘Bothlent的應(yīng)用潛能。