n个摄像头11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,n个摄像头11还可以采用其他的无线通信协议与控制器12进行无线通信,本实用新型实施例不做赘述。在具体应用中,可以在游泳池壁的四周均匀设置摄像头11。通过设置的n个摄像头,可以采集水平方向上游泳池内的图像。在具体实施中,在设置n个摄像头11时,在垂直方向上,每一个摄像头11所设置的位置与游泳池水面之间的距离可以均小于预设值。摄像头11所设置的位置可以位于游泳池水面以下,也可以位于游泳池水面以上,还可以位于游泳池水面附近。在设置摄像头11时,可以将n个摄像头11均设置在游泳池水面以下,且与游泳池水面的垂直距离小于预设值;也可以将n个摄像头11均设置在游泳池水面以上,且与游泳池水面的垂直距离小于预设距离;还可以将n个摄像头11中的一部分设置在游泳池水面以下,其余部分设置在游泳池水面以上。在本实用新型实施例中,预设值可以为50厘米,也可以为40厘米或30厘米。可以理解的是,预设值还可以为其他值,可以根据具体的应用场景设定不同的预设值。在具体实施中,在水平方向上,多个摄像头11可以均匀排列。语音关键事件检测的设备有哪些?河南光纤数据语音关键事件检测标准
在本实现方式中,类图像为:当前帧图像和当前帧图像之前的连续m帧图像的多张图像,其中,m为正整数;或者,类图像为:当前帧图像。也就是说,在本实现方式中,电子设备可以将所获得的当前帧图像确定为待分析图像;此外,在获取到当前帧图像,并判断该当前帧图像包括目标对象后,电子设备可以判断所获取的关于目标防护舱的当前帧图像之前的连续m帧图像是否均包括目标对象,这样,便可以将当前帧图像和该m帧图像确定为待分析图像。这样,用于确定关于目标防护舱的事件检测结果的待分析图像为多张,可以更充分地反映目标防护舱内部空间的情况,进而提高事件检测的准确率。其中,m可以为任一正整数,例如,5,10等。s304:将待分析图像输入到预设的检测模型中,得到关于目标防护舱的事件检测结果;其中,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。在确定待分析图像后,电子设备便可以将待分析图像输入到预设的检测模型中,得到关于目标防护舱的事件检测结果。具体的,在将待分析图像输入到预设的检测模型中后,电子设备可以得到预设的检测模型的输出结果,进而,根据该检测结果,电子设备便可以确定关于目标防护舱的事件检测结果。其中。北京移动语音关键事件检测供应语音关键事件检测在哪些地区被大力推广?欢迎咨询!
本发明实施例提供的一种事件检测方法可以引用于任一能够利用模型进行图像检测的电子设备,例如,平板电脑、笔记本电脑、台式电脑等,这都是合理的。为了描述方便,以下简称电子设备。需要说明的是,当前存在多台投入使用的防护舱,而针对每台防护舱都可以采用本发明实施例提供的一种事件检测方法来对关于该防护舱的事件进行检测。其中,每台电子设备可以只针对一台防护舱,检测关于该防护舱的事件;也可以针对多台防护舱,分别检测关于该多台防护舱的事件。这都是合理的。具体的,当一台电子设备针对多台防护舱,分别检测关于该多台防护舱的事件时,可以为每台防护舱添加标签,进而,确定的每台防护舱对应的待分析图像中也会携带有该防护舱的标签。这样,电子设备便可以区分每台防护舱对应的待分析图像,进而,确定关于每台防护舱的事件检测结果。其中,每台防护舱都是该电子设备对应的目标防护舱。而针对每台防护舱,电子设备均采用本发明实施例提供的事件检测方法对关于该防护舱的事件进行检测。为了便于理解,图3所示的流程图,便是从电子设备对关于一台目标防护舱的事件进行检测的角度,对本发明实施例的一种事件检测方法进行说明。如图3所示。
300]的向量d,其中对于索引id从0至19999,每个id对应一个不同的汉字。那么对于一句话(长度为s)中的每一个字符,都可以在d中找到对应的id,从而获取对应的向量,因此可以得到一个维度为[s,300]的向量。然后可以使用双向lstm神经网络得到句子的语义表示向量w1。在本申请的示例性实施例中,通过bert模型获得语句的向量化语义表示w1可以包括:将语句直接输入所述bert模型,将所述bert模型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,使用bert模型时,可以将句子直接输入至bert模型,bert模型的输出即可以作为句子的向量化语义表示w1。在本申请的示例性实施例中,所述向量化语义表示w1的维度可以为[s,d1];其中,当通过双向lstm网络获得语句的向量化语义表示w1时,d1为2*lstm隐层节点数;当通过bert模型获得语句的向量化语义表示w1时,d1=768。在本申请的示例性实施例中,设以上两种方法得到的语义表示为w1,则,1的维度为[s,d1],其中s为句子长度;如果使用双向lstm网络获得语句的向量化语义表示w1,则d1为2*lstm隐层节点数,如果使用bert模型获得语句的向量化语义表示w1,则d1=768。s102、对所述向量化语义表示w1进行span划分,得到多个语义片段。语音关键事件检测在机关单位的使用。
可以获取概率大值的索引所对应的类型即可。本申请实施例通过双向lstm网络或者bert得到句子的向量化语义表示,然后进行span的划分从而得到多个语义片段,然后对每个语义片段进行平均池化得到每个span的表示,使用自注意力机制获取不同span之间的关系从而得到深层的语义表示,后使用两层全连接网络进行分类操作从而确定每个span是否为某一事件的触发词或者是事件主体。本申请实施例公开了一种采用span划分方式,同时抽取事件触发词和事件主体的事件检测方法,至少具有以下优势:1、同时抽取事件触发词和事件的主体,可获取更加有用的信息,具有较强的实际应用价值。2、在数据处理和建模的过程中不使用现有的自然语言处理工具,使得操作简单,也避免了因使用自然语言处理工具而导致的误差累积的问题,同时也更加符合真实应用场景。3、通过划分span的方式,完美解决了序列标注存在的问题,效率更高,适用性更强。本申请还提供了一种事件检测装置1,如图2所示,可以包括处理器11和计算机可读存储介质12,所述计算机可读存储介质12中存储有指令,当所述指令被所述处理器11执行时,实现上述任意一项所述的事件检测方法。本领域普通技术人员可以理解。语音关键事件检测一般设置在哪些地方?欢迎咨询!河北信息化语音关键事件检测哪里买
语音关键事件检测的应用步骤是如何的?欢迎咨询!河南光纤数据语音关键事件检测标准
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%。河南光纤数据语音关键事件检测标准