[发明专利]基于识别模型的识别方法、模型训练方法及装置

说明书

本公开涉及一种基于识别模型的识别方法、模型训练方法及装置。其中，基于识别模型的识别方法包括识别模型包括特征提取模块，特征提取模块包括多个LSTM单元。识别方法包括：获取待识别特征序列，待识别特征序列包括连续的特征；将多个特征依序分别输入至多个LSTM单元，通过每个LSTM单元得到特征对应的第一隐藏状态；基于多个特征，以及多个特征分别对应的第一隐藏状态，以及特征提取模块的前次输出结果，得到特征提取模块的当前输出结果；基于特征提取模块的当前输出结果，得到识别结果。通过本公开，使得特征提取模块的当前输出结果更加合理、准确。

技术领域

本公开涉及识别技术领域，具体是涉及一种基于识别模型的识别方法、模型训练方法及装置。

背景技术

深度学习和深度神经网络随着近些年的发展，在图像识别、语音识别、医疗诊断以及自然语言处理等领域都得到了广泛的应用，并且取得了许多令人惊喜的结果。例如，在对语音识别中的序列信号处理过程中，循环神经网络起到了举足轻重的作用。

但是，目前在基于循环神经网络进行序列信号处理的过程中，仅仅针对每个时刻之间进行信息的传递，即仅考虑到单个输入的信息相关性。

发明内容

为了克服相关技术问题，本公开提供一种基于识别模型的识别方法、模型训练方法及装置。

第一方面，本公开实施例提供一种基于识别模型的识别方法。其中，所述识别模型包括特征提取模块，所述特征提取模块包括多个LSTM单元，所述识别方法包括：获取待识别特征序列，所述待识别特征序列包括连续的特征；将多个特征依序分别输入至所述多个LSTM单元，通过每个所述LSTM单元得到所述特征对应的第一隐藏状态；基于所述多个特征，以及所述多个特征分别对应的第一隐藏状态，以及所述特征提取模块的前次输出结果，得到所述特征提取模块的当前输出结果；基于所述特征提取模块的当前输出结果，得到识别结果。

在一种实施方式中，所述识别方法还包括：确定所述特征的前次第一隐藏状态；所述将多个特征依序分别输入至所述多个LSTM单元，通过每个所述LSTM单元得到所述特征对应的第一隐藏状态，包括：基于所述特征，确定所述特征对应的第一输入门信号、第一遗忘门信号和第一原始隐藏状态；基于所述第一输入门信号、所述第一遗忘门信号、所述第一原始隐藏状态和所述特征的前次第一隐藏状态，得到所述特征对应的第一隐藏状态。

在另一种实施方式中，所述识别方法还包括：确定所述特征的前次输出结果；所述基于所述特征，确定所述特征对应的第一输入门信号、第一遗忘门信号和第一原始隐藏状态，包括：基于所述特征，以及所述特征的前次输出结果，得到所述特征对应的所述第一输入门信号、所述第一遗忘门信号和所述第一原始隐藏状态。

在又一种实施方式中，所述识别方法还包括：基于所述特征，以及所述特征的前次输出结果，得到所述特征对应的所述第一输出门信号；基于所述第一输出门信号和所述特征对应的第一隐藏状态，得到所述特征的当前输出结果。

在又一种实施方式中，所述基于所述多个特征，以及所述多个特征分别对应的第一隐藏状态，以及所述特征提取模块的前次输出结果，得到所述特征提取模块的当前输出结果，包括：基于所述多个特征，得到所述特征提取模块的当前输入特征；基于所述特征提取模块的当前输入特征、所述特征提取模块的前次输出结果，以及所述多个特征分别对应的第一隐藏状态，得到所述特征提取模块的隐藏状态；基于所述特征提取模块的隐藏状态，得到所述特征提取模块的当前输出结果。

在又一种实施方式中，所述基于所述多个特征，得到所述特征提取模块的当前输入特征，通过以下方式确定：

其中， 为所述特征提取模块的当前输入特征；为所述特征。