一种基于多任务学习的音频场景识别方法及装置

授权

摘要

本发明提供了一种基于多任务学习的音频场景识别方法及装置，该方法在训练阶段提取音频片段的特征矩阵，为其添加音频场景标签；为音频帧添加音频事件标签，构建训练集；构建音频事件与音频场景识别模型；基于交叉熵L1与交叉熵和L2构造损失函数，基于该损失函数对音频事件与音频场景识别模型进行训练，得到训练好的模型。测试阶段，提取待识别音频片段的特征矩阵作为训练好的音频事件与音频场景识别模型的输入，在音频场景识别模型输出层得到待识别音频片段在各个场景类上的概率分布，取具有最大概率值的场景类作为识别结果。本发明可以大幅度减少模型参数数量；可以节省标注成本；对于缺乏音频事件标签的音频场景数据库，本发明同样适用。

基本信息

专利标题：

一种基于多任务学习的音频场景识别方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN113220932A

申请号：

CN202110362915.7

公开（公告）日：

2021-08-06

申请日：

2021-04-02

授权号：

CN113220932B

授权日：

2022-06-10

发明人：

冷严路安芹刘祯孙建德唐勇王荣燕齐广慧李登旺万洪林

申请人：

山东师范大学

申请人地址：

山东省济南市历下区文化东路88号

代理机构：

济南圣达知识产权代理有限公司

代理人：

祖之强

优先权：

CN202110362915.7

主分类号：

G06F16/65

IPC分类号：

G06F16/65 G06F16/68 G06F16/683