[发明专利]一种基于ArcFace的语音识别方法及装置

权利要求书

1.一种基于ArcFace的语音识别方法，其特征在于，包括：

获取待识别语音，并提取所述待识别语音的低层帧级特征；

根据所述低层帧级特征，提取身份特征向量；

从预设语音库中获取与所述身份特征向量相似的目标身份特征向量，所述预设语音库预先存储有预设身份特征向量与预设身份信息之间的对应关系；其中，所述对应关系是根据预先训练过的预设模型得到的；所述预设模型是通过基于ArcFace的算法表达式获取的预设损失函数进行训练的；

根据所述对应关系，确定与所述目标身份特征向量对应的目标身份信息，并将所述目标身份信息作为所述待识别语音的识别结果；

所述预设损失函数包括最大边缘约束损失因子，所述最大边缘约束损失因子的表达式为：

其中，C_{max_mar}为所述最大边缘约束损失因子、N为分批训练的样本子集、y为样本类别、C为样本类别总数、t为预设阈值、为大于所述预设阈值的表示样本向量所归属类的后验概率、δ_y为最大边界项惩罚函数；

所述预设损失函数的表达式为：

L＝L₃+λC_{max_mar}

其中，L为所述预设损失函数、L₃为基于ArcFace的算法表达式、λ为权重系数，数值为0.1～10；

其中，

其中，属于范围[0,π-m]，N为分批训练的样本子集，C为样本类别总数，m为角边缘损失因子，是全连接层的权重向量和偏置二者之间的夹角，将样本向量x_i的||x_i||设为常数s。

2.根据权利要求1所述的方法，其特征在于，所述δ_y的表达式为：

其中，当j≠y_i时，f_j表示小于所述预设阈值的表示所述样本向量所归属其他类的后验概率。

3.根据权利要求1所述的方法，其特征在于，所述根据所述低层帧级特征，提取身份特征向量，包括：

输入所述低层帧级特征至优化过的GRU模型，将所述优化过的GRU模型的输出结果作为所述身份特征向量。

4.根据权利要求3所述的方法，其特征在于，所述优化过的GRU模型为设有卷积层的GRU模型。

5.根据权利要求1所述的方法，其特征在于，所述低层帧级特征为Fbank特征。