[发明专利]训练方法、声音事件检测方法、装置、设备和介质

说明书

本申请实施例提供了一种训练方法、声音事件检测方法、装置、设备和介质，其中的训练方法具体包括：确定三元组音频样本；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；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。本申请实施例可以降低声音事件检测的误唤醒率。

技术领域

本申请涉及音频处理技术领域，特别是涉及一种训练方法、声音事件检测方法、装置、设备和介质。

背景技术

随着音频处理技术的发展，声音事件检测（SED，Sound Event Detection）得到了广泛的应用。比如：SED可以检测敲门声、检测洗衣机结束洗衣时发出的滴滴声或检测水烧开的声音等，为日常家庭生活带来便捷；特别是在有老人和婴儿的家庭中，SED可以检测孩子的哭声或者老人的痛苦呻吟声等，并及时发送检测结果，起到预警作用。

目前，通常采用声音事件检测模型对音频进行声音事件检测。具体而言，声音事件检测模型确定音频属于预设类别的概率值，在概率值大于概率阈值的情况下，可以将相应的预设类别作为检测结果。

声音事件检测不仅要求对预设类别具有良好的唤醒率，而且要求对非预设类别具有较低的误唤醒率。然而，在实际应用中，声音事件检测模型可能存在过拟合的问题；由于过拟合表现在训练数据上的误差较小，而在检测数据上的误差较大，这样将导致检测结果的准确度较低，例如导致误唤醒率较高。

发明内容

本申请实施例提供了一种训练方法，可以降低声音事件检测的误唤醒率。

相应的，本申请实施例还提供了一种声音事件检测方法、一种训练装置、一种声音事件检测装置、一种电子设备和一种机器可读介质，用以保证上述方法的实现及应用。

为了解决上述问题，本申请实施例公开了一种训练方法，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。

为了解决上述问题，本申请实施例公开了一种声音事件检测方法，所述方法包括：

接收待检测音频；

利用声音事件检测模型，对所述待检测音频进行声音事件检测，以得到对应的检测结果；其中，所述声音事件检测模型包括：编码网络和解码网络；所述编码网络用于确定所述待检测音频对应的第三音频特征，所述解码网络用于确定所述第三音频特征对应的检测结果；