[发明专利]一种基于多模态特征融合的声音场景分类方法有效
| 申请号： | 202310778782.0 | 申请日： | 2023-06-29 |
| 公开（公告）号： | CN116543795B | 公开（公告）日： | 2023-08-29 |
| 发明（设计）人： | 张涛;李栋磊;耿彦章;丁碧云;孔令国;赵鑫;刘炜杰 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G10L25/51 | 分类号： | G10L25/51;G10L25/18;G10L25/21;G10L25/24;G10L25/30;G06F18/213;G06N3/0464;G06N3/048;G06N3/08;G06F18/24;G06F18/241 |
| 代理公司： | 天津心知意达知识产权代理事务所(普通合伙) 12260 | 代理人： | 赵雪红 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于多模态特征融合的声音场景分类方法，包括提取原始声音的梅尔声谱图，并在梅尔声谱图基础上提取一阶差分梅尔声谱图；基于梅尔声谱图以及一阶差分梅尔声谱图构建特征提取网络；将提取的梅尔声谱图以及一阶差分梅尔声谱图输入到特征提取网络中进行特征提取以及特征融合；将经过特征提取网络后得到的梅尔声谱图的深度特征图和一阶差分梅尔声谱图的深度特征图进行降维得到2个具有高级语义信息特征向量，最后将2个特征向量进行融合，并预测输出。本发明的方法能够有效提高声音场景的识别准确率，且提高了鲁棒性。 | ||
| 搜索关键词： | 一种 基于 多模态 特征 融合 声音 场景 分类 方法 | ||
【主权项】：
暂无信息
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天津大学，未经天津大学许可，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/patent/202310778782.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种探测用地质雷达装置支撑调节结构
- 下一篇：带转接头内衬袋钢桶
