[发明专利]一种基于多尺度残差注意力网络的声音场景分类方法在审
| 申请号： | 202210028342.9 | 申请日： | 2022-01-11 |
| 公开（公告）号： | CN114373476A | 公开（公告）日： | 2022-04-19 |
| 发明（设计）人： | 雷震春;周勇 | 申请（专利权）人： | 江西师范大学 |
| 主分类号： | G10L25/03 | 分类号： | G10L25/03;G10L25/30;G10L25/51;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 李冉 |
| 地址： | 330000 *** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于多尺度残差注意力网络的声音场景分类方法，包括将采集到的音频数据进行特征提取，提取出对数梅尔频谱图及其一阶差分和二阶差分作为输入特征；构建多尺度残差注意力网络，将提取到的对数梅尔频谱图输入到网络中进行训练建立分类模型；采用mixup方法增强数据多样性；采用焦点损失关注分类困难的样本；获取新的声音场景语音，利用分类模型对语音进行声音场景分类，得到声音场景分类结果。本发明采用对数梅尔频谱图及其一阶和二阶差分，使用多尺度残差注意力网络模型来对声音场景进行分类，能够挖掘更多丰富全面的特征信息，从而提高声音场景分类性能。 | ||
| 搜索关键词： | 一种 基于 尺度 注意力 网络 声音 场景 分类 方法 | ||
【主权项】：
暂无信息
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西师范大学，未经江西师范大学许可，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/202210028342.9/，转载请声明来源钻瓜专利网。
