申请/专利权人：苏州奇梦者科技有限公司

申请日：2023-12-19

公开（公告）日：2024-03-19

公开（公告）号：CN117727328A

主分类号：G10L25/51

分类号：G10L25/51;G10L25/30;G06F18/24;G06F18/213;G06N3/0455;G06N3/0464;G06N3/048;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及一种高效低延迟的声音事件检测的模型及其训练方法，采用Vit作为模型骨干，具有更强的信息抽取能力，相较于卷积结构具有更高效的矩阵运算效率，对声学表征的时域、频域进行独立建模，可以根据设备性能灵活选定输入序列的长度，极大地减小模型的延迟，提升推理效率；采用知识蒸馏的方式进行预训练，产出小、推理效率高的模型，并通过预训练使模型获得抽取声音事件表征的能力，利用先验知识使得模型具有良好的泛化性；在预训练模型的基础上，在少量目标事件的数据集上进行微调，产出目标事件的检测模型，而无需进行细粒度标注，省时省力。

主权项：1.一种高效低延迟的声音事件检测的模型，其特征在于：所述模型采用Vit作为模型骨干，包括：输入音频对应的声学特征，利用二维卷积对声学特征的时间、频率维度进行降采样；将频率轴与时间轴进行合并，依次送入transformer模型得到帧级别的声音事件表征；将帧级别的声音事件表征在时频轴取平均，得到段级别的声音事件表征；利用分类层将段级别的声音事件表征投影至N类事件的空间；将分类层输出的动态范围进行归一化，以表征N类事件在音频中的概率。

全文数据：

权利要求：

百度查询： 苏州奇梦者科技有限公司 一种高效低延迟的声音事件检测的模型及其训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD