申请/专利权人：恒玄科技(上海)股份有限公司

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117746891A

主分类号：G10L25/18

分类号：G10L25/18;G10L25/24;G10L25/30;G10L25/51;G10L21/0232;G10L21/0264;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及人工智能技术领域，公开了一种声学场景分类、模型训练、部署方法、模型、芯片、装置、电子设备及存储介质，该声学场景分类模型包括数据获取模块、音频信号预处理模块、多个依次连接的深度膨胀残差块、卷积层和全连接层，通过采用深度膨胀残差块，能在不增加网络参数和计算量的前提下提高网络感受野，网络捕获全局信息能力更强，将残差操作与膨胀卷积结合可以避免网络训练过程中可能出现的梯度消失，通过实例归一化处理，避免了中间特征的频域信息和时域信息丢失，加快模型训练过程中的收敛速度，该声学场景分类模型合理，可以实现低计算复杂度和实时的声场景分类，使得该方案可以部署到蓝牙耳机、音响等资源受限的设备上。

主权项：1.一种声学场景分类模型，其特征在于，所述声学场景分类模型包括：数据获取模块，用于获取输入音频数据；音频信号预处理模块，用于对所述输入音频数据进行处理，得到梅尔频率倒谱系数特征；多个依次连接的深度膨胀残差块，用于对输入特征进行膨胀卷积，以及对膨胀卷积结果进行频域实例归一化得到中间特征，将所述中间特征输入下一个深度膨胀残差块，直至所述中间特征输入值最后一个深度膨胀残差块，将最后一个深度膨胀残差块输出的中间特征输入卷积层，其中，第一个深度膨胀残差块的输入特征为所述梅尔频率倒谱系数特征；卷积层，用于根据输入的所述中间特征生成卷积结果；全连接层，用于根据所述卷积结果和饱和激活函数确定声学场景分类结果。

全文数据：

权利要求：

百度查询： 恒玄科技(上海)股份有限公司 声学场景分类、模型训练、部署方法、模型、芯片、装置、电子设备及存储介质

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