[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

专利信息
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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code