新闻中心

News Center

当前位置:主页 > 新闻中心 >

ICA电子SSP 2018 阿里巴巴论文提出针对影视作品的

2018-05-15 06:06 未知

  傅拥军从事摄影20年,拿过摄影界极具权威性的奖项—荷赛奖,但他却总说:我的作品“很简单”。

  除此之外,我市还特邀长期从事军民融合发展研究的西安财经学院国防科技与经济发展研究中心专家学者组成课题组,多次组织召开研讨会,就军工经济发展历程、现状特点、国家政策等方面的内容,结合政府综合统计工作的要求,进行全面研究。同时,在统计局内部组织成立专项小组,打破专业、处室限制,组织业务能力强、计算机应用水平高、责任心强的业务人员组成专项小组,根据工作侧重、个人特点等进行分工,建立例会制度,集中讨论、分头行动,对军民融合统计制度和监测方案进行集中攻关。

  会议邀请农工党省委和市委统战部长期从事信息工作的专职干部结合工作实际,对什么是社情民意和统战信息及其特点与作用、如何撰写社情民意和统战信息等方面作了深入浅出的阐述,使与会党员受益匪浅。

  “各级各类医疗卫生机构和相关企业事业单位”是医疗健康大数据安全和应用管理的责任单位,但具体数据如何授权、如何保证安全性等问题仍有待明确。企业等行业主体在数据获取、使用过程中会遇到阻碍,收费标准也难以明确。

  本报讯(记者 祖明远 尹勇)记者11月14日从中国(绵阳)科技城管理委员会获悉,全面创新改革3年多来,绵阳已探索出10余条军民融合创新做法,其中2条军民融合经验在全国推广,5条经验入围国家第二批全创经验,数量居全国前列。

  说到湖南长城,除了家喻户晓的平板电脑,还有备受关注的具有一颗“中国芯”的计算机整机。湖南长城是中国电子布局的自主可控产业链中主要的硬件生产基地,核心任务就是打造国产化的自主可控计算机整机智能制造生产基地。

  在属地化管理方面,根据市场消息,地方商业银行开展互联网贷款业务,主要服务当地客户,向外省客户发放的互联网贷款余额不得超过互联网贷款总余额的20%。在联合贷款方面,监管拟规定向外省客户发放的互联网贷款余额不得超过其互联网贷款总余额的20%;联合放贷额度受到限制,要求作为客户推荐方的商业银行全部联合贷款余额不得超过互联网贷款余额的50%;接受客户推荐的商业银行全部联合贷款不得超过全部互联网贷款余额的30%。

  在刘鹏看来,“互联网+”的模式已经是技术发展的大趋势,不可逆,因此未来互联网银行或者互联网贷款的前景并不会因一两次政策调整而伤筋动骨。

  “发现发动机尾喷管部分叶片损伤,需要立即组织更换。”某工厂经理许朝飞在查明故障原因后,向吴淼祥提出了解决方案。征得吴淼祥同意后,他立即安排技术人员卸掉螺钉、秒速时时彩官网电子拆除并更换尾喷管。1个小时后,受损战机修复正常,准时起飞迎战蓝军。

  本基金跟踪指数为中证500信息技术指数(指数通),最新报告期内,本基金收益率为-7.65%,业绩比较基准为中证500信息技术指数(指数通)。

  这俩大咖到底牛在哪?据了解,何友30多年来一直致力于信息融合的技术研究、工程建设与人才培养,是我国信息融合领域的学科带头人,发起建立了中国航空学会信息融合分会,被选为主任委员,并担任历届全国信息融合年会总主席。针对雷达在杂波环境中虚警率高和检测性能差的共性难题,他提出广义有序统计类融合检测统一模型,取得该领域的重大研究进展;系统发展和建立了多传感器航迹关联理论与方法,所提序贯法等成果达到国际领先水平;在信息融合综合工程应用方面,主持研制XXG任务系统训练机等多种大型综合训练机,解决了敏感地区实装无法进行作战训练的难题,突破了舰载XX机装备保障系列关键技术,研制了自动测试装备通用开发平台,改善了我国舰载XX机装备保障的落后局面。

  特别声明:本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。

  2017年6月5日,西安市统计局和省国防科工办签订《军民融合统计改革试点工作备忘录》。按照《备忘录》要求,市统计局与省国防科工办建立常态化工作机制,采取联合办公、定期会商等形式共同开展工作。《备忘录》的签订,对打破军地壁垒、行政级别约束等是一次有益的尝试。

  市委副主委孟钵出席会议并讲话,他说,信息工作是派参政议政、民主监督的重要渠道。要结合本职工作和自身专长,加强广泛联系,不断提升反映社情民意和统战信息的质量和水平。他要求,各基层支部和信息员要根据工作制度,认真完成信息工作的基本任务。同时要把反映社情民意信息与推荐培养后备干部相结合,提高年轻党员思想水平、参政议政能力和参政党成员的使命感、责任感。

  1.进口产品规定:依据财政部关于印发《政府采购进口产品管理办法》的通知(财库〔2007〕119号)的规定,本项目不允许进口产品参加投标。

  本届航展的展品结构首次实现“陆、海、空、天、电”全领域覆盖,共有770家国内外参展商参展。现场,室内展览面积超过10万平方米,室外展览面积近40万平方米,地面装备动态演示区面积由上届的7万平方米扩大至近11万平方米,参展的国内外各型飞机超100架。

  2017年,中国互联网协会反网络病毒联盟更是建立了移动App预置与分发渠道安全监测平台,面向手机制造企业、应用商店、网盘、广告平台等App预置与分发渠道提供App安全监测服务,并根据属地化管理要求,通过国家互联网应急中心各分中心对应用商店中出现的恶意程序进行通知下架处理。目前该平台接入应用商店的省份总数12个,已备案的应用商店的总数129个。

  “电子产品不再是单纯的娱乐休闲设备,而是转变成了我们工作、学习和生活的辅助设备。”湖南长城计算机系统有限公司副总经理黄迎峰介绍,目前,公司正在研发一款智慧课桌产品,通过将电脑与普通课桌进行融合,学生们在学校课堂上的一切活动都能在一张小桌子上完成,还可以进行远程教学、多媒体教学等,小小的课桌便能让学校教育实现从“书本”到“互联网”的转变。

  原标题:ICASSP 2018 阿里巴巴论文提出针对影视作品的语音情感识别信息融合框架 机器之心

  原标题:ICASSP 2018 阿里巴巴论文提出针对影视作品的语音情感识别信息融合框架

  欢迎大家向机器之心推荐优秀的 ICASSP 2018 相关论文。

  摘要:情感识别(即识别开心、忧伤等)现在愈来愈受到人们的关注,因为它可以提升人机交互界面的用户体验,进而提升产品的用户粘性,并在心理医疗健康方面等具有独特价值。基于语音的情感识别尤其具有现实意义,因为基于语音的人机交互界面具有相对较低的硬件要求。但是,在现实中,周围环境中存在着许多噪声,这些噪声将会降低系统的识别性能。在本文中我们提出了一套包含多个子系统的复合情感识别框架。这一框架会深入挖掘输入语音中与情感相关的各个方面的信息,从而提高系统的顽健性。

  在现实生活中,基于语音的人工智能系统处在复杂的场景当中,因而会面临各种各样的挑战。对于情感识别来说,主要的挑战来自于两个方面:1. 周围存在背景噪声,因而传统的特征提取,比如在整句话层面上提取统计参数的方法将受到严重干扰; 2. 用户说话的方式比较随意,不能如实验室中那样很好地控制输入语音,有时候用户会有一些发出一些非语音的声音,比如哭声,笑声,咳嗽声等,这些声音有些与情感有关,有些则完全无关。面对这两个挑战,我们提出了一套复合情感识别框架。这套框架会对底层和高层特征进行识别,因此可以对一些背景噪声有一定的顽健性;同时这套框架也会利用注意力模型(attention model)学习特征序列中重要时间点的特征,以及利用语音中的文本信息对情感信息进行分类——这些机制可以有效避免用户的非语音声音或者长静音对识别的干扰。

  在本文中,我们提出了一套复合的情感识别框架。这一框架由若干子系统组合而成,其中包括基于整句话(utterance level) 底层特征 (low level descriptor) 的识别系统,基于整句话高层表述的识别系统,基于序列特征的识别系统,以及基于语义信息的识别系统(见 Fig 1)。

  其中,基于整句话底层特征的识别系统为一个深度神经网络,采用多任务训练 (multitask learning) 方式进行训练 (见 Fig 2),采用的特征为从 opensmile 提取的 Interspeech 2010 LLD 特征集。在这个神经网络中,我们在 trunk 部分有两层隐层(hidden layer)(每层 4096 个神经元),在 branch 部分,每个任务有一层隐层(1024 神经元),之后有一层 柔性最大激活函数(softmax)。其中我们的神经元均使用精馏线性单元(rectified linear unit)。

  基于整句话高层表述的识别系统也是采用一个深度神经网络,同样也是采用多任务训练方式进行训练。采用的特征为 200 维 iVector(从一个由 4000 小时语音训练的语音识别 (ASR) 系统中提取)。这里我们采用的网络结构与底层特征识别系统的神经网络相同,唯一的区别为,这个一个系统在 trunk 部分每一层只有 1024 个神经元。

  基于序列特征的子系统采用递归神经网络,对输入序列进行建模,在递归神经网络上采用基于 attention model 的加权池化层 (weighted pooling)(见 Fig 3),将输入的一个序列提取成一个高层表述。基于这个高层表述进行分类。这一子系统也采用多任务训练方式进行训练。这一递归网络与上述神经网络的大致结构相似,区别为在 trunk 部分,我们使用了 RNN,并且在 RNN 上利用 attention based weighted pooling layer 来提取高端表述(high level representation)。

  上述三个子系统中的多任务训练,我们采用三个任务,情感识别为主任务(权重为 1),说线)和性别识别(权重为 0.6)为辅助任务。在多任务训练中,由于系统可以看到更多的任务信息,可以更好地检视输入的特征,因此可以更好地训练神经网络。

  除了上述三个子系统外,还有一个子系统是基于文本的子系统。该子系统采用支持向量机(support vector machine),使用了从语音识别系统中获取的文本。这一系列子系统的识别结果会通过线性相加组合起来,从而得到最后的结果。

  我们在多模情感识别竞赛 2017 数据集(MEC 2017) 上测试这一套框架。MEC 2017 数据集是采集自影视作品,其中包含了许多背景噪声(汽车噪声,工厂噪声等等),以及说话人的非语音声音(哭声、笑声等等)。其中各类情感的分布如下。

  根据 MEC 2017 的建议,我们采用无权重平均 F-score(MAF)和准确率作为我们的衡量标准。考虑到数据库中的数据不平衡性,我们主要关注 MAF 指标。

  实验中,我们采用两套系统作为参照系统,一套是 MEC2017 建议的 random forest 系统,还有一套是利用 Interspeech 2017 特征集搭建 DNN 的情感识别系统。具体实验结果如下:

  由实验结果可以看到,我们提出的这一套框架,可以远远超过参照系统(分别增加了 11.9% 和 7.8% 准确率)。即使四个子系统的识别率参差不齐,最后组合之后的结果依然超过了所有的子系统,可以推测这个过程中全面检视输入信息,可以很有效的提高识别准确率和系统顽健性。

  我们将这一套系统应用于中文的影视作品数据库上。之所以应用到这一数据库上,是因为影视作品中的场景比较接近现实生活。结果显示,我们的系统可以全面超越现有的基于深度学习的前沿系统。这一成功,可以说明我们的这一套框架可以有助于在现实中实现情感识别。

网站地图