[发明专利]音乐情感识别方法、装置、计算机设备及计算机存储介质有效

专利信息
申请号: 201810963057.X 申请日: 2018-08-22
公开(公告)号: CN109147826B 公开(公告)日: 2022-12-27
发明(设计)人: 梅亚琦;刘奡智;王义文;王健宗;肖京 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G10L25/63 分类号: G10L25/63;G10L25/30
代理公司: 北京中强智尚知识产权代理有限公司 11448 代理人: 黄耀威
地址: 518000 广东省深圳市福田街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 音乐 情感 识别 方法 装置 计算机 设备 存储 介质
【说明书】:

本申请公开了一种音乐情感识别方法、装置、计算机设备及计算机存储介质,涉及人工智能技术领域,可以提高音乐情感识别精度。所述方法包括:从音频样本数据中提取音频特征数据;将所述音频特征数据输入至卷积神经网络进行训练,得到情感分类模型;通过所述情感分类模型将音频特征数据分类为各个情感维度的局部平移不变特征;将所述不同情感维度的局部平移不变特征输入至递归神经网络中进行训练,得到音乐情感识别模型,所述音乐情感识别模型中记录有局部平移不变特征在各个情感维度上的音乐情感识别结果;通过所述音乐情感识别模型对待识别音频数据进行音乐情感识别,得到各个情感维度上的音乐情感识别结果。

技术领域

发明涉及人工智能技术领域,尤其是涉及到音乐情感识别方法、装置、计算机设备及计算机存储介质。

背景技术

音乐一直以来都是表达、传递情感的一种方式。情感的表达是音乐的本质特征,不仅能够体现作曲家的意念,也可以使聆听者产生相应的情绪变化。因此音乐情感的识别对音乐检索、音乐合成以及音乐治疗技术中有着重要意义。

在音乐信号处理中,音乐对情感的感知或诱导是属于与音乐内容相关的音乐属性,也是音乐分类的一种方法。为了实现音乐情感识别,需要根据某些特征标准确定一个合理有效的情感分类模型,通过情感分类模型进一步识别音乐情感。

现有的情感识别方式主要有两种,一种是通过人工试听识别并分类标注,而对于情感的分类更多的取决于主观感受,这一过程会受到许多外在因素的影响,如听音人的文化背景、性格爱好、甚至听音时的天气以及环境都会使听音者对同一首歌有不同的情感体验,人工标注耗时耗力且不够精确,使得音乐情感分类标注的成本较高;另一种是采用支持向量机分类器对音乐情感进行识别分类,而支持向量机分类器通常针对少量的训练集才有较好的效果,并且经典支持向量机只有二分类算法,使得音乐情感识别精度较低。

发明内容

本发明实施例提供了音乐情感识别方法、装置、计算机设备及计算机存储介质,解决了相关技术中音乐情感识别精度较低的问题。

根据本发明实施例的第一方面,提供一种音乐情感识别方法,所述方法包括:

从音频样本数据中提取音频特征数据,所述音频特征数据携带有各个情感维度标注值;

将所述音频特征数据输入至卷积神经网络进行训练,得到情感分类模型,所述情感分类模型用于从音频数据中提取出各个情感维度的局部平移不变特征;

通过所述情感分类模型将音频特征数据分类为各个情感维度的局部平移不变特征;

将所述各个情感维度的局部平移不变特征输入至递归神经网络中进行训练,得到音乐情感识别模型,所述音乐情感识别模型用于识别音频数据在各个情感维度上的音乐情感识别结果;

通过所述音乐情感识别模型对待识别音频数据进行音乐情感识别,得到各个情感维度上的音乐情感识别结果。

进一步地,在所述从音频样本数据中提取音频特征数据之前,所述方法还包括:

按照预设时间间隔对所述音频样本数据进行分段,得到多段分段音频样本数据;

获取对每段分段音频样本数据所属情感维度的标注值,得到多段携带各个情感维度标注值的分段音频样本数据。

进一步地,所述卷积神经网络为多层结构的网络模型,所述将所述音频特征数据输入至卷积神经网络进行训练,得到情感分类模型包括:

通过所述卷积神经网络的卷积层提取所述音频特征数据中各个情感维度的局部音频特征信息;

通过所述卷积神经网络的全连接层汇总所述各个情感维度的局部音频特征信息,得到多维度的局部音频特征信息;

通过所述卷积神经网络的池化层对所述多维度的局部音频特征信息进行降维处理,得到各个情感维度的局部平移不变特征;

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平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,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/pat/books/201810963057.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top