[发明专利]一种二值化神经网络语音唤醒方法及系统

说明书

本发明涉及一种二值化神经网络语音唤醒方法及系统。该方法包括：获取待识别音频文件；并提取待识别音频文件的语音特征；根据语音特征和语音唤醒模型，确定待识别音频文件的识别结果；语音唤醒模型通过训练后的二值化的深度可分离卷积神经网络进行建立；语音唤醒模型具体的识别过程为：利用所述第一卷积层对输入进行量化处理；根据量化后的语音特征与网络层的二值量化参数权重以及网络层修正因子做卷积乘法，并将卷积后的数据与第一卷积层的偏置系数做加法；将第一卷积层的输出作为第二卷积层的输入；并将第一卷积层替换为第二卷积层，返回量化的步骤，直至输出识别结果。本发明能够在保证识别准确度的基础上，降低功耗。

技术领域

本发明涉及语音唤醒领域，特别是涉及一种二值化神经网络语音唤醒方法及系统。

背景技术

深度学习已被证明在包括图像分类（Image Classification），目标检测（ObjectDetection），自然语言处理（Natural Language Processing）等任务上效果很好。大量的应用程序都配备了图像（计算机视觉）、语音相关的深度学习算法。

但是全精度网络中网络参数为32位浮点值，会占用硬件的空间，并且网络中存在大量的乘法器，会增加硬件部署难度和计算量，增加功耗。

发明内容

本发明的目的是提供一种二值化神经网络语音唤醒方法及系统，能够在保证识别准确度的基础上，降低功耗。

为实现上述目的，本发明提供了如下方案：

一种二值化神经网络语音唤醒方法，包括：

获取待识别音频文件；并提取所述待识别音频文件的语音特征；所述语音特征包括：梅尔倒谱系数特征矩阵；

根据语音特征和语音唤醒模型，确定待识别音频文件的识别结果；所述语音唤醒模型通过训练后的二值化的深度可分离卷积神经网络进行建立；所述二值化的深度可分离卷积神经网络包括：第一卷积层、第二卷积层以及全连接层；所述语音唤醒模型具体的识别过程为：

利用所述第一卷积层对输入进行量化处理；所述第一卷积层的输入为待识别音频文件的语音特征；

根据量化后的语音特征与网络层的二值量化参数权重以及网络层修正因子做卷积乘法，并将卷积后的数据与第一卷积层的偏置系数做加法，得到第一卷积层的输出；所述网络层修正因子为网络层的参数权重未二值化前的32bit浮点数的按通道均值；

将所述第一卷积层的输出作为第二卷积层的输入；并将所述第一卷积层替换为第二卷积层，返回利用所述第一卷积层对输入进行量化处理的步骤，确定第二卷积层的输出，并重复上述步骤，直至输出识别结果。

可选地，利用所述第一卷积层对输入进行量化处理，具体包括：

利用公式进行量化处理；

其中，为二值化后的参数，x表示参数权重或参数激活值。

可选地，所述根据量化后的语音特征与网络层的二值量化参数权重以及网络层修正因子做卷积乘法，并将卷积后的数据与第一卷积层的偏置系数做加法，得到第一卷积层的输出，具体包括：

利用公式确定偏置系数；

其中，是卷积层的均值，是卷积层的方差，是卷积层的偏置，是卷积层的权重，为常数。

可选地，所述根据量化后的语音特征与网络层的二值量化参数权重以及网络层修正因子做卷积乘法，并将卷积后的数据与第一卷积层的偏置系数做加法，得到第一卷积层的输出，具体包括：