北京大学深圳研究生院刘宏获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉北京大学深圳研究生院申请的专利基于Transformer的视听融合机器人唤醒词识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116229939B 。
龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310091543.8，技术领域涉及：G10L15/02；该发明授权基于Transformer的视听融合机器人唤醒词识别方法及装置是由刘宏;李一迪;任家乐设计研发完成，并于2023-01-29向国家知识产权局提交的专利申请。
本基于Transformer的视听融合机器人唤醒词识别方法及装置在说明书摘要公布了：本公开涉及一种基于Transformer的视听融合机器人唤醒词识别方法及装置，涉及音视频信号处理领域。所述方法包括：提取当前环境下的音频特征和视频特征；基于Transformer的分类网络的自注意力操作和分类操作，分别获取音频特征和视频特征的音频唤醒词分类向量与视频唤醒词分类向量；基于音频特征进行自注意力操作时在时间维度上的注意力权重分布，得到唤醒词出现的时间。本发明不仅实现了高精度、鲁棒的基于分类的唤醒词识别，还可以精确定位唤醒词出现的时间。
本发明授权基于Transformer的视听融合机器人唤醒词识别方法及装置在权利要求书中公布了：1.一种基于Transformer的视听融合机器人唤醒词识别方法，其特征在，所述方法包括： 提取当前环境下的音频特征和视频特征； 基于Transformer的分类网络的自注意力操作和分类操作，分别获取音频特征和视频特征的音频唤醒词分类向量与视频唤醒词分类向量；其中，所述基于Transformer的分类网络，分别计算音频特征和视频特征的音频唤醒词分类向量与视频唤醒词分类向量，包括： 在所述音频特征和所述视频特征的最前端都被拼接上一个可学习的特殊分类编码； 将添加该特殊分类编码的视频特征和视频特征输入基于自注意力机制的Transformer编码器； 在所述Transformer编码器的输出中，将第一维度的编码向量作为音频编码结果或视频编码结果； 将所述音频编码结果和所述视频编码结果分别送入MLP网络，以得到音频唤醒词分类向量和视频唤醒词分类向量； 对所述音频唤醒词分类向量和所述视频唤醒词分类向量的融合结果进行分类，得到唤醒词识别结果。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京大学深圳研究生院，其通讯地址为：518055 广东省深圳市南山区西丽镇深圳大学城北大校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励