[发明专利]基于语义分割编解码网络的声学场景分类方法在审
| 申请号： | 201910822432.3 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN110718234A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 马欣欣;马勇;顾明亮 | 申请（专利权）人： | 江苏师范大学 |
| 主分类号： | G10L25/18 | 分类号： | G10L25/18;G10L25/24;G10L25/48;G10L25/51;G06K9/62 |
| 代理公司： | 32200 南京经纬专利商标代理有限公司 | 代理人： | 许方 |
| 地址： | 221116 江苏*** | 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： | 本发明公开了一种基于语义分割编解码网络的声学场景分类方法，包括如下步骤：S10，分别提取待识别音频数据的梅尔声谱图和标准声谱图；S20，在分别对所述梅尔声谱图和所述标准声谱图进行归一化处理后，将归一化处理后的梅尔声谱图和标准声谱图进行融合处理，得到融合特征；S30，将所述融合特征分别输入SegNet声学模型和UNet声学模型；S40、获取所述SegNet声学模型的第一输出结果以及所述UNet声学模型的第二输出结果，根据所述第一输出结果和第二输出结果确定所述第二输出结果中各个单元音频的声学场景。采用本方法能够使待识别音频数据中的各个单元音频均准确地确定相应声学场景，可以提高声学场景的识别性能。 | ||
| 搜索关键词： | 声谱图 输出结果 声学模型 声学 梅尔 归一化处理 音频数据 场景 场景分类 融合处理 识别性能 语义分割 编解码 融合 网络 | ||
【主权项】：
1.一种基于语义分割编解码网络的声学场景分类方法，其特征在于，包括如下步骤：/nS10，分别提取待识别音频数据的梅尔声谱图和标准声谱图；/nS20，在分别对所述梅尔声谱图和所述标准声谱图进行归一化处理后，将归一化处理后的梅尔声谱图和标准声谱图进行融合处理，得到融合特征；/nS30，将所述融合特征分别输入SegNet声学模型和UNet声学模型；所述SegNet声学模型为依据融合特征输出待识别音频数据中各个单元音频的参考声学场景，以及各个单元音频相对于相应参考声学场景的准确度的一种网络模型；所述UNet声学模型为依据融合特征输出待识别音频数据中各个单元音频的参考声学场景，以及各个单元音频相对于相应参考声学场景的准确度的另一种网络模型；/nS40、获取所述SegNet声学模型的第一输出结果以及所述UNet声学模型的第二输出结果，根据所述第一输出结果和第二输出结果确定所述第二输出结果中各个单元音频的声学场景。/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江苏师范大学，未经江苏师范大学许可，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/201910822432.3/，转载请声明来源钻瓜专利网。
