[发明专利]音频识别方法和装置、计算机设备、计算机可读存储介质

权利要求书

1.一种音频识别方法，其特征在于，所述方法包括：

获取音频数据对应的音频特征；

从预设的异构关系图中获取异构关系特征，所述预设的异构关系图用于表示训练集中音频数据对应的标签之间的关系；所述标签之间的关系包括场景标签与场景标签之间的关系、事件标签与事件标签之间的关系、场景标签与事件标签之间的关系；所述预设的异构关系图为基于将初始异构关系图输入至预设的R-GCN关系图卷积神经网络所生成的；所述初始异构关系图用于表示训练集中音频数据对应标签之间的联系；所述标签之间的联系指音频数据对应的标签之间的连接关系；所述初始异构关系图为对训练集中的音频数据的标签进行统计所得出的；所述预设的R-GCN关系图卷积神经网络为将R-GCN关系图卷积神经网络进行参数调整后所得的；

将所述音频特征及所述异构关系特征进行拼接，生成融合异构关系特征；

将所述融合异构关系特征输入至预设的深度神经网络中进行卷积处理，生成目标特征；

根据所述目标特征生成与所述音频数据对应的场景标签及事件标签。

2.根据权利要求1所述的音频识别方法，其特征在于，所述获取音频数据对应的音频特征，包括：

获取音频数据的log-mel谱；

根据音频数据的log-mel谱确定音频数据的音频特征。

3.根据权利要求1所述的音频识别方法，其特征在于，所述方法还包括：

获取所述训练集，为所述训练集中的每个预设音频数据设置标注标签；所述标注标签包括场景标签及事件标签；

根据所述训练集中所述预设音频数据的标注标签，构建初始异构关系图；

将所述初始异构关系图输入至初始的R-GCN关系图卷积神经网络，生成中间异构关系图。

4.根据权利要求3所述的音频识别方法，其特征在于，所述根据所述训练集中所述预设音频数据对应的标注标签，构建初始异构关系图，包括：

根据所述训练集中所述预设音频数据的标注标签之间的共生概率，构建邻接矩阵；

根据所述训练集中所述音频数据的标注标签之间的关系类别，构建关系类别矩阵；

根据所述邻接矩阵及所述关系类别矩阵，构建所述初始异构关系图。

5.根据权利要求3所述的音频识别方法，其特征在于，所述将所述初始异构关系图输入至初始的R-GCN关系图卷积神经网络，生成中间异构关系图，包括：

从所述初始异构关系图中获取初始异构关系特征，通过初始的R-GCN关系图卷积神经网络对所述初始异构关系特征进行聚合更新，生成中间异构关系特征；

基于所述中间异构关系特征对所述初始异构关系图进行更新，生成所述中间异构关系图。

6.根据权利要求5所述的音频识别方法，其特征在于，所述R-GCN关系图卷积神经网络包括R-GCN层及激活函数；所述通过初始的R-GCN关系图卷积神经网络对所述初始异构关系特征进行聚合更新，生成中间异构关系特征，包括：

将所述初始异构关系特征输入至所述R-GCN层中进行处理，生成处理后的初始异构关系特征；

将所述处理后的初始异构关系特征输入至所述激活函数中进行处理，生成所述中间异构关系特征。

7.根据权利要求3所述的音频识别方法，其特征在于，所述方法还包括：

从所述训练集中的每个预设音频数据中提取音频特征，从所述中间异构关系图中提取所述中间异构关系特征；

将所述预设音频数据的音频特征与所述中间异构关系特征输入至初始的深度神经网络中，生成所述预设音频数据的预测场景标签及预测事件标签；

根据所述预设音频数据的预测场景标签及预测事件标签、所述预设音频数据的标注场景标签及标注事件标签，计算损失函数的值；

根据所述损失函数的值调整所述初始的R-GCN关系图卷积神经网络的参数，生成预设的R-GCN关系图卷积神经网络；

根据所述损失函数的值调整所述初始的深度神经网络的参数，生成所述预设的深度神经网络。