[发明专利]基于多粒度标签融合的深度声学场景分类方法及系统在审
| 申请号： | 201910675609.1 | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110569870A | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 杨吉斌;姚琨;张雄伟;郑昌艳;曹铁勇;孙蒙;李莉;赵斐 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 32326 南京乐羽知行专利代理事务所(普通合伙) | 代理人： | 孙承尧 |
| 地址： | 210000 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于多粒度标签融合的深度声学场景分类方法及系统，其中方法包括如下步骤：利用典型声学场景知识，构建基于知识的多层次粒度标签模块，为声音场景数据生成不同粒度的标签；采用隐层参数共享机制，实现基于深度多任务学习网络的分类模型，优化分类性能；针对不同粒度的分类判决模块，利用高可信度的细粒度标签和粗粒度子类标签进行融合判决，得到最终判决结果。采用本发明，通过利用多层次标签融合技术，采用多任务学习方法，可以提高样本本身细粒度分类任务的分类精度，进而可以提升声学场景分类系统的性能。 | ||
| 搜索关键词： | 声学 标签融合 场景分类 任务学习 标签 细粒度分类 标签模块 参数共享 分类模型 分类性能 高可信度 判决结果 判决模块 融合判决 声音场景 数据生成 粗粒度 细粒度 分类 构建 隐层 子类 样本 场景 优化 网络 | ||
【主权项】：
1.一种基于多粒度标签融合的深度声学场景分类方法，其特征在于，包括：/n将声音场景数据的频谱图样本对应的原单标签划分为多种粒度类别标签，所述多粒度类别标签至少包括细粒度类别标签和粗粒度类别标签；/n基于多任务卷积神经网络分别对第一训练数据和第二训练数据进行主任务部分训练和次任务部分训练，得到所述第一训练数据对应的第一分类结果和所述第二训练数据对应的第二分类结果，所述第一训练数据为训练频谱图样本及其对应的细粒度类别标签，所述第二训练数据为所述训练频谱图样本及其对应的粗粒度类别标签；/n基于所述第一分类结果、预设粒度阈值和所述第二分类结果，确定样本的当前判别类别；/n对所述当前判别类别进行二次判别，选取最大概率的类作为最终的样本判别输出类别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910675609.1/，转载请声明来源钻瓜专利网。
