[发明专利]音频识别方法、音频识别模型训练方法、装置、电子设备

说明书

本公开提供了一种音频数据识别方法、音频数据识别模型的训练方法、装置、电子设备和介质，涉及数据处理领域，尤其涉及音频处理与深度学习领域。一种音频数据识别方法，包括：获取待识别音频数据；使用N个参数集分别对待识别音频数据进行特征提取，以获得待识别音频数据的N个特征数据，其中，N个参数集中的每个参数集分别与不同的频率范围相关联，N为大于1的正整数；以及基于N个特征数据对待识别音频数据进行分类。

技术领域

本公开涉及数据处理技术领域，尤其涉及音频处理与深度学习技术领域，具体涉及一种音频数据识别方法、音频数据识别模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

在很多场景中需要对音频进行识别与分类，例如对音频来源进行分类、对音频是否是攻击性音频进行检测、对音频特征是否与期望特征匹配进行比对等。在对音频进行分类的过程中，需要对音频的特征进行提取。期望一种能够有效地提取音频特征进而对音频进行准确识别的方法。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种音频数据识别方法、音频数据识别模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种音频数据识别方法，包括：获取待识别音频数据；使用N个参数集分别对待识别音频数据进行特征提取，以获得待识别音频数据的N个特征数据，其中，N个参数集中的每个参数集分别与不同的频率范围相关联，N为大于1的正整数；以及基于N个特征数据对待识别音频数据进行分类。

根据本公开的另一方面，提供了一种音频数据识别模型的训练方法，音频数据识别模型包括M个特征提取子网络和与M个特征提取子网络的每个特征提取子网络的输出端连接的分类子网络，M为大于1的正整数，方法包括：获取样本音频数据和样本音频数据的真实标签；将样本音频数据输入M个特征提取子网络中的每个特征提取子网络，以获取针对样本音频数据的M个特征数据；将M个特征数据输入分类子网络以获取样本音频数据的预测标签；基于真实标签和预测标签，计算损失函数；以及基于损失函数，调整音频数据识别模型的参数。

根据本公开的另一方面，提供了一种音频数据识别装置，包括：音频数据获取单元，用于获取待识别音频数据；特征提取单元，用于使用N个参数集分别对待识别音频数据进行特征提取，以获得待识别音频数据的N个特征数据，其中，N个参数集中的每个参数集分别与不同的频率范围相关联，N为大于1的正整数；以及分类单元，用于基于N个特征数据对待识别音频数据进行分类。

根据本公开的另一方面，提供了一种音频数据识别模型的训练装置，音频数据识别模型包括M个特征提取子网络和与M个特征提取子网络的每个特征提取子网络的输出端连接的分类子网络，M为大于1的正整数，训练装置包括：样本获取单元，用于获取样本音频数据和样本音频数据的真实标签；特征提取单元，用于将样本音频数据输入M个特征提取子网络中的每个特征提取子网络，以获取针对样本音频数据的M个特征数据；分类单元，用于将M个特征数据输入分类子网络以获取样本音频数据的预测标签；损失函数计算单元，用于基于真实标签和预测标签，计算损失函数；以及参数调整单元，用于基于损失函数，调整音频数据识别模型的参数。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的一个或多个实施例的音频数据识别方法或音频数据识别模型的训练方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的一个或多个实施例的音频数据识别方法或音频数据识别模型的训练方法。