[发明专利]一种基于注意力机制的多尺度音频场景识别方法有效
申请号: | 201910960088.4 | 申请日: | 2019-10-10 |
公开(公告)号: | CN110782878B | 公开(公告)日: | 2022-04-05 |
发明(设计)人: | 张涛;梁晋华 | 申请(专利权)人: | 天津大学 |
主分类号: | G10L15/04 | 分类号: | G10L15/04;G10L15/06;G10L15/16;G10L15/28;G06N3/04 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 杜文茹 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于注意力机制的多尺度音频场景识别方法:建立基于注意力机制的多尺度音频场景识别卷积神经网络模型,用于准确识别不同频带大小和不同持续时间的音频场景;将包含有不同场景类别的音频文件和对应的场景类别的训练集输入基于注意力机制的多尺度音频场景识别卷积神经网络模型,对基于注意力机制的多尺度音频场景识别卷积神经网络模型进行训练;读取音频文件并进行预处理,得到音频信号片段;从音频信号片段中提取对数梅尔图;将对数梅尔图输入到训练后的基于注意力机制的多尺度音频场景识别卷积神经网络模型中,得到最终的场景类别。本发明对频带范围和持续时间不同的多尺度声音场景都有很好的识别准确率,可以应用到嵌入式等移动设备中。 | ||
搜索关键词: | 一种 基于 注意力 机制 尺度 音频 场景 识别 方法 | ||
【主权项】:
1.一种基于注意力机制的多尺度音频场景识别方法,其特征在于,包括如下步骤:/n1)建立基于注意力机制的多尺度音频场景识别卷积神经网络模型,用于准确识别不同频带大小和不同持续时间的音频场景;/n2)将包含有不同场景类别的音频文件和对应的场景类别的训练集输入基于注意力机制的多尺度音频场景识别卷积神经网络模型,对基于注意力机制的多尺度音频场景识别卷积神经网络模型进行训练;/n3)读取音频文件并进行预处理,得到音频信号片段;/n4)从所述的音频信号片段中提取对数梅尔图;/n5)将所述的对数梅尔图输入到训练后的基于注意力机制的多尺度音频场景识别卷积神经网络模型中,得到最终的场景类别。/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天津大学,未经天津大学许可,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/201910960088.4/,转载请声明来源钻瓜专利网。