申请/专利权人：百鸟数据科技(北京)有限责任公司

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117727308A

主分类号：G10L17/26

分类号：G10L17/26;G06F18/213;G06F18/24;G06N3/0455;G06N3/0442;G06N3/096;G10L17/04;G10L17/02;G10L17/18;G10L25/18;G10L25/24;G10L25/03

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：本发明涉及语音处理技术领域，提出了基于深度迁移学习的混合鸟鸣识别方法，包括：采集生态区内的混合鸟鸣信号；基于每个频谱子图上每一帧处谐波成分的相关性和衰减特征确定每一帧的鸟鸣帧识别概率；基于每个频谱子图上所有帧的鸟鸣帧识别概率的分布特征确定每个频谱子图上每一帧的帧扩展尺度；基于每个频谱子图上每一帧的帧扩展尺度确定每一帧的鸟鸣特征图；将预训练的识别模型中的权重参数迁移到混合鸟鸣识别模型，基于混合鸟鸣识别模型确定鸟鸣特征图的识别结果。本发明考虑每一帧上谐波成分在频率、时间上的变化特征构建每一帧的鸟鸣特征图训练识别模型，降低源领域与目标领域数据的特征分布差异对迁移效果的影响，提高识别准确率。

主权项：1.基于深度迁移学习的混合鸟鸣识别方法，其特征在于，该方法包括以下步骤：采集生态区内的混合鸟鸣信号；将每个混合鸟鸣信号的频谱图划分成相同尺度的频谱子图，基于每个频谱子图上每一帧处谐波成分的相关性和衰减特征确定每个频谱子图上每一帧的鸟鸣帧识别概率；基于每个频谱子图上所有帧的鸟鸣帧识别概率的分布特征确定每个频谱子图上每一帧的帧扩展尺度；基于每个频谱子图上每一帧的帧扩展尺度确定每一帧的鸟鸣特征图；将预训练的识别模型中的权重参数迁移到混合鸟鸣识别模型，基于混合鸟鸣识别模型确定所述鸟鸣特征图的识别结果。

全文数据：

权利要求：

百度查询： 百鸟数据科技(北京)有限责任公司 基于深度迁移学习的混合鸟鸣识别方法

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