[发明专利]训练方法、声音事件检测方法、装置、设备和介质

权利要求书

1.一种训练方法，其特征在于，所述方法包括：

确定三元组音频样本；所述三元组音频样本包括：第一音频样本、第二音频样本和第三音频样本；其中，第二音频样本与第一音频样本对应相同的类别信息；第三音频样本与第一音频样本对应不同的类别信息；

利用声音事件检测模型的编码网络，确定所述三元组音频样本对应的第一音频特征；

根据三元组音频样本对应的第一音频特征，确定所述第一音频样本与所述第二音频样本之间的第一匹配信息、以及所述第一音频样本与所述第三音频样本之间的第二匹配信息；

根据所述第一匹配信息和所述第二匹配信息，确定第一损失信息，并根据所述第一损失信息，更新所述编码网络的参数；

其中，所述编码网络包括：至少一个特征提取模块；所述确定所述三元组音频样本对应的第一音频特征，包括：从至少部分特征提取模块输出的中间特征中随机确定出若干个目标特征段，对所述目标特征段进行掩膜处理；所述目标特征段包括连续的多个特征点；

所述对所述目标特征段进行掩膜处理，包括：

将所述目标特征段的特征值替换为零；

根据非目标特征段与所有特征段的比例、或者掩膜概率值，对非目标特征段的特征值进行归一化处理；其中，所述非目标特征段为所述中间特征中除了目标特征段之外的特征段。

2.根据权利要求1所述的方法，其特征在于，所述从至少部分特征提取模块输出的中间特征中随机确定出若干个目标特征段，包括：

根据预设数量，确定中间特征包括的多个特征段；

根据掩膜概率值，从所述中间特征包括的多个特征段中确定出目标特征段。

3.根据权利要求1所述的方法，其特征在于，所述特征提取模块包括：至少一个深度可分离卷积模块和至少一个时域残差卷积模块；针对所述至少一个深度可分离卷积模块和所述至少一个时域残差卷积模块输出的中间特征中的目标特征段进行掩膜处理；

其中，所述深度可分离卷积模块包括：至少一个第一深度可分离卷积层；

所述时域残差卷积模块包括：串联的至少一个第二深度可分离卷积层、与所述至少一个第二深度可分离卷积层并联的卷积层、以及用于将所述至少一个第二深度可分离卷积层的输出特征与所述卷积层的输出特征融合的相加层。

4.根据权利要求1所述的方法，其特征在于，在所述三元组音频样本的训练完成的情况下，所述编码网络的参数为第一目标参数；

所述方法还包括：

在所述编码网络的参数固定为第一目标参数的情况下，利用所述编码网络确定第四音频样本对应的第二音频特征；

利用所述声音事件检测模型的解码网络，确定第二音频特征对应的预测结果；

根据所述预测结果和所述第四音频样本对应的类别信息，确定第二损失信息，并根据所述第二损失信息，对所述解码网络的参数进行更新，以得到所述解码网络的第二目标参数。