[发明专利]轻量级语音关键词识别网络、方法、设备及存储介质

权利要求书

1.一种轻量级语音关键词识别网络，其特征在于，所述轻量级语音关键词识别网络为改进后的时延神经网络，所述轻量级语音关键词识别网络包括依次连接的TDNN下采样层、SE Block、第一TDNN层、第二TDNN层、全局平均池化层和Softmax层，其中，

所述TDNN下采样层，用于对输入的待检测音频的声学特征进行下采样处理，并向所述SE Block输出下采样处理后得到的下采样特征；

所述SE Block，用于通过对输入的所述下采样特征进行挤压-激活操作和重加权操作得到重加权特征，对所述重加权特征依次进行激活处理和归一化处理，并向所述第一TDNN层输出归一化处理后的特征；

所述全局平均池化层，用于对经两层TDNN层处理后输入的特征进行全局平均池化操作，并向所述Softmax层输出全局平均池化操作后得到的全局降维特征；

所述Softmax层，用于对输入的所述全局降维特征进行分类，输出关键词识别结果。

2.如权利要求1所述的网络，其特征在于，所述激活处理采用Swish激活函数完成，所述归一化处理采用LayerNorm完成。

3.如权利要求1所述的网络，其特征在于，所述SE Block对所述下采样特征进行激活操作时的压缩比例为16。

4.基于权利要求1-3任意一项所述轻量级语音关键词识别网络的轻量级语音关键词识别方法，其特征在于，所述方法包括：

所述TDNN下采样层对提取出的待检测音频的声学特征进行下采样处理，并向所述SEBlock输出下采样处理后得到的下采样特征；

所述SE Block通过对输入的所述下采样特征进行挤压-激活操作和重加权操作得到重加权特征，对所述重加权特征依次进行激活处理和归一化处理，并向所述第一TDNN层输出归一化处理后的特征；

所述全局平均池化层对经两层TDNN层处理后输入的特征进行全局平均池化操作，并向所述Softmax层输出全局平均池化操作后得到的全局降维特征；

所述Softmax层对输入的所述全局降维特征进行分类，输出关键词识别结果。

5.如权利要求4所述的方法，其特征在于，所述TDNN下采样层对提取出的待检测音频的声学特征进行下采样处理之前，包括：

提取待检测音频的梅尔频率倒谱系数，将提取到的梅尔频率倒谱系数作为所述待检测音频的声学特征并输入到所述TDNN下采样层。

6.如权利要求4所述的方法，其特征在于，所述TDNN下采样层对提取出的待检测音频的声学特征进行下采样处理之前，还包括：

获取训练数据集，对所述训练数据集中的每个训练数据进行数据增广，得到数据增广后的训练数据集；

使用所述数据增广后的训练数据集对所述轻量级语音关键词识别网络进行训练，得到训练好的轻量级语音关键词识别网络。

7.如权利要求6所述的方法，其特征在于，对所述训练数据集中的每个训练数据进行数据增广的步骤包括：

对每个训练数据，通过高斯白噪声随机代替预设比例的音频信号，生成预设数量个对应的mask数据；

根据所述mask数据和所述训练数据形成所述数据增广后的训练数据集。

8.一种轻量级语音关键词识别系统，其特征在于，包括特征提取模块和如权利要求1-3任意一项所述的轻量级语音关键词识别网络，其中，所述特征提取模块用于提取待检测音频的梅尔频率倒谱系数，将提取到的梅尔频率倒谱系数作为所述待检测音频的声学特征输入到所述轻量级语音关键词识别网络中进行语音关键词识别。

9.一种语音关键词识别设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求4至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求4至7任一项所述方法的步骤。