[发明专利]全连接多尺度的残差网络及其进行声纹识别的方法

权利要求书

1.一种用于声纹识别的全连接多尺度的残差网络，其特征在于，包括输入层，卷积层，N个依次连接的残差模块，以及全连接层；其中：

所述输入层，用于接收待识别的语音信息对应的特征向量；

所述卷积层，用于对特征向量进行卷积处理以得到第一特征图；

所述N个依次连接的残差模块，每个残差模块得到并输出第六特征图；其中对于N个残差模块中的第i个残差模块，用于：

接收当前特征图，其中，当i为1时，所述当前特征图为第一特征图，当i大于1且不大于N时，所述当前特征图为第i-1个残差模块输出的第六特征图，N为大于1的整数；以及，根据长度和宽度均为1的第一卷积核，对当前特征图进行卷积处理以得到第二特征图；将第二特征图划分为至少两个第三特征图，其中所述至少两个第三特征图与存在顺序关系的至少两个第二卷积核一一对应；针对至少两个第二卷积核中任意的第j个第二卷积核，确定出第j个第二卷积核对应的第四特征图，并根据第j个卷积核对所述第四特征图进行卷积处理以得到第五特征图；其中，当j为1时，第二卷积核对应的第四特征图为第三特征图；当j大于1时，第j个第二卷积核对应的第四特征图，包括第j个卷积核对应的第三特征图，以及包括位于第j个第二卷积核之前的每个第二卷积核各自对应的第五特征图；根据长度和宽度均为1的第三卷积核，对所述至少两个第二卷积核各自对应的第五特征图进行卷积处理，得到并输出第六特征图；

所述全连接层，用于根据第N个残差模块输出的第六特征图，预测并输出所述语音信息对应的分类信息，所述分类信息用于指示发出所述语音信息的说话人。

2.根据权利要求1所述的残差网络，其特征在于，

所述残差网络还包括第一池化层，用于接收来自所述卷积层的第一特征图，对其接收的第一特征图进行最大池化，并将进行最大池化后的第一特征图输出至第一个残差模块。

3.根据权利要求1所述的残差网络，其特征在于，

所述残差网络还包括第二池化层，用于接收来自第N个残差模块的第六特征图，对其接收的第六特征图进行均值池化，并将进行均值池化后的第六特征图输出至所述全连接层。

4.一种利用全连接多尺度的残差网络进行声纹识别的方法，其特征在于，所述残差网络包括输入层，卷积层，N个依次连接的残差模块，以及全连接层；所述方法包括：

利用所述输入层接收待识别的语音信息对应的特征向量；

利用所述卷积层对特征向量进行卷积处理以得到第一特征图；

利用所述N个依次连接的残差模块，每个残差模块得到并输出第六特征图；其中，依次利用N个残差模块中的第i个残差模块，执行：

接收当前特征图，其中，当i为1时，所述当前特征图为第一特征图，当i大于1且不大于N时，所述当前特征图为第i-1个残差模块输出的第六特征图，N为大于1的整数；以及，根据长度和宽度均为1的第一卷积核，对当前特征图进行卷积处理以得到第二特征图；将第二特征图划分为至少两个第三特征图，其中所述至少两个第三特征图与存在顺序关系的至少两个第二卷积核一一对应；针对至少两个第二卷积核中任意的第j个第二卷积核，确定出第j个第二卷积核对应的第四特征图，并根据第j个卷积核对所述第四特征图进行卷积处理以得到第五特征图；其中，当j为1时，第二卷积核对应的第四特征图为第三特征图；当j大于1时，第j个第二卷积核对应的第四特征图，包括第j个卷积核对应的第三特征图，以及包括位于第j个第二卷积核之前的每个第二卷积核各自对应的第五特征图；根据长度和宽度均为1的第三卷积核，对所述至少两个第二卷积核各自对应的第五特征图进行卷积处理，得到并输出第六特征图；

利用所述全连接层根据第N个残差模块输出的第六特征图，预测并输出所述语音信息对应的分类信息，所述分类信息用于指示发出所述语音信息的说话人。

5.根据权利要求4所述的方法，其特征在于，所述残差网络还包括第一池化层；所述方法还包括：

利用所述第一池化层接收来自所述卷积层的第一特征图，对其接收的第一特征图进行最大池化，并将进行最大池化后的第一特征图输出至第一个残差模块。

6.根据权利要求4所述的方法，其特征在于，所述残差网络还包括第二池化层；所述方法还包括：

利用所述第二池化层接收来自第N个残差模块的第六特征图，对其接收的第六特征图进行均值池化，并将进行均值池化后的第六特征图输出至所述全连接层。