hardlucky2023

赵超博士您好，首先非常感谢您所整理的基于多模态故障诊断的相关论文。关于您所提供的code的链接目前好像跳转不了呢，是因为还没有整理相关代码吗还是链接失效了？

关于XJTU-SY轴承数据集的组织方式

2

您好，首先非常感谢您提供的相关迁移学习应用于故障诊断的代码。关于您所提供的数据集我已经成功下载下来了，但是关于XJTU-SY轴承数据集的组织方式有一定的疑问，查看了官方关于此数据集的介绍之后，仍然不太清楚各种故障类型的组织方式。具体有以下几点疑问。 1、官方文件中只有各轴承的失效位置，并没有具体故障类型（比如失效位置是外圈，但具体故障类型不知道是外圈磨损还是外圈裂损）比如在工况1下，有Bearing1_1(外圈)，Bearing1_2(外圈)，Bearing1_3(外圈)，Bearing1_4(保持架)，Bearing1_5(内、外圈)； 2、另外我发现各工况采集的样本个数也有很大不同，这该怎么处理； 3、还有一个疑问是这个数据集采集的是由正常状态到故障状态的振动信号，这种信号感觉更加适用于剩余寿命预测，为什么也可也用于故障诊断呢？ 所以针对以上问题，您是否可以提供一下XJTU-SY的具体组织方式，期待您的回复！

作者您好，非常感谢您可以开源这么好的作品。我尝试使用了预训练 TalkNet 模型的 ASD Demo，并得到了相应的结果。在这里我想请教下您后续该如何把用绿色框标注出来的人脸序列从视频中提取出来呢（也就是用一些工具只把真是说话人的人脸提取出来，忽略红框中的人脸）？您可以提供一些思路给我吗？另外，我在自己的视频数据上做了些实验后，发现确实是如果一个人说话很短时，不容易被检测到，请问如果想在这方面做些改进的话，应该在哪部分可以改呢？期待您的回答，非常感谢！

Hello, It’s an honor to read your paper. I’m a student working on multimodal dialogue emotion recognition models. I understand that in the ERC (Emotion Recognition in Conversations) field, many...