[发明专利]音频的分类方法、装置、终端及计算机可读存储介质

说明书

本公开是关于一种音频的分类方法、装置、终端及计算机可读存储介质，涉及目标分类领域。该方法包括：对第一音频样本数据集中的第一音频样本进行混合，得到第二音频样本数据集，并可以确定第二音频样本数据集中的每个第二多标签音频样本的标签。然后通过每个第二多标签音频样本以及每个第二多标签音频样本的标签，训练得到第一音频分类模型。因此，当需要对待分类的目标音频样本进行分类时，可以通过第一音频分类模型对目标音频样本进行分类。由于该第一音频分类模型是通过多标签音频样本训练得到的，因此，通过第一音频分类模型可以对多标签音频进行分类，提高了对多标签音频进行分类的准确性。

技术领域

本公开涉及目标分类领域，尤其涉及一种音频的分类方法、装置、终端及计算机可读存储介质。

背景技术

在对音频信号进行处理的过程中，音频分类是尤为重要的一个环节。音频分类是指给定一段音频信号，确定出该段音频信号包含的事件，该事件通常用标签表示。例如，当一段音频信号是猫叫声时，该段音频信号包含的事件就是猫叫。

目前通常是对单标签音频进行分类，在对单标签音频进行分类的过程中，通常是获取大量单标签音频的训练样本，并将该单标签音频的训练样本输入至一个初始网络模型中，以对该初始网络模型进行训练，经过多次不断地训练，最终得到一个单标签音频分类模型。进而通过该单标签音频分类模型对单标签音频进行分类。

由于单标签音频分类模型是通过单标签音频的训练样本训练得到的，因此，该单标签音频分类模型在是获取大量单标签音频的训练样本，并将该单标签音频的训练样本输入至一个初始网络模型中只适用于对单标签音频进行分类。然而，自然生活中的音频往往都是由多种不同的音频混合得到的，即多标签音频，例如，在室外随机获取一段音频，该段音频中可能会包含汽车的鸣笛声、路人的讲话声和店铺放音乐的音乐声。因此，当通过单标签音频分类模型对多标签音频进行分类时，只能分类出该多标签音频中的一个事件，导致分类不准确。

发明内容

本公开提供一种音频的分类方法、装置、终端及计算机可读存储介质，可以解决当通过单标签音频分类模型对多标签音频进行分类时，只能分类出该多标签音频中的一个事件，导致分类不准确的问题。

第一方面，提供一种音频的分类方法，包括：

对第一音频样本数据集中的第一音频样本进行混合，得到第二音频样本数据集，所述第二音频样本数据集中包括至少一个第二多标签音频样本；

确定所述第二音频样本数据集中的每个第二多标签音频样本的标签；

通过所述第二音频样本数据集中的每个第二多标签音频样本以及所述每个第二多标签音频样本的标签，训练得到第一音频分类模型；

当需要对待分类的目标音频样本进行分类时，通过所述第一音频分类模型对所述目标音频样本进行分类。

在一个可能的实现方式中，所述对第一音频样本数据集中的第一音频样本进行混合，得到第二音频样本数据集，包括：

从所述第一音频样本数据集中选择至少一组音频样本，每组音频样本包括至少两个第一音频样本；

对于每组音频样本，根据所述每组音频样本包括的至少两个第一音频样本以及混合比例，对所述至少两个第一音频样本进行混合，得到第二多标签音频样本；

将所述至少一组音频样本混合得到的至少一个第二多标签音频样本组成所述第二音频样本数据集。

在一个可能的实现方式中，所述确定所述第二音频样本数据集中的每个第二多标签音频样本的标签，包括：

对于所述每个第二多标签音频样本，确定所述第二多标签音频样本对应的至少两个第一音频样本的标签；

将所述第二多标签音频样本对应的至少两个第一音频样本的标签组成所述第二多标签音频样本的标签。