【技术实现步骤摘要】
音频识别方法、音频识别模型训练方法、装置、电子设备
[0001]本公开涉及数据处理
,尤其涉及音频处理与深度学习
,具体涉及一种音频数据识别方法、音频数据识别模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
[0002]在很多场景中需要对音频进行识别与分类,例如对音频来源进行分类、对音频是否是攻击性音频进行检测、对音频特征是否与期望特征匹配进行比对等。在对音频进行分类的过程中,需要对音频的特征进行提取。期望一种能够有效地提取音频特征进而对音频进行准确识别的方法。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
[0004]本公开提供了一种音频数据识别方法、音频数据识别模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面,提供了一种音频数据识别方法,包括:获取待识别音频数据;使用N个参数集分别对待识别音频数据进行特征提取,以获得待识别音频数据的N个特征数据,其中,N个参数集中的每个参数集分别与不同的频率范围相关联,N为大于1的正整数;以及基于N个特征数据对待识别音频数据进行分类。
[0006]根据本公开的另一方面,提供了一种音频数据识别模型的训练方法,音频数据识别模型包括M个特征提取子网络和与 ...
【技术保护点】
【技术特征摘要】
1.一种音频数据识别方法,包括:获取待识别音频数据;使用N个参数集分别对所述待识别音频数据进行特征提取,以获得所述待识别音频数据的N个特征数据,其中,所述N个参数集中的每个参数集分别与不同的频率范围相关联,N为大于1的正整数;以及基于所述N个特征数据对所述待识别音频数据进行分类。2.根据权利要求1所述的方法,其中,获取待识别音频数据包括:获取原始音频数据;响应于确定所述原始音频数据的时间长度大于长度阈值,基于所述长度阈值对所述原始音频数据进行截取,以获得待识别音频数据,其中,所述待识别音频数据的时间长度等于所述长度阈值。3.根据权利要求1所述的方法,其中,获取待识别音频数据包括:获取原始音频数据;响应于确定所述原始音频数据的时间长度小于长度阈值,复制所述原始音频数据直至经复制的原始音频数据的时间长度不小于所述长度阈值;并且基于所述长度阈值对所述经复制的原始音频数据进行截取,以获得待识别音频数据,其中,所述待识别音频数据的时间长度等于所述长度阈值。4.一种音频数据识别模型的训练方法,所述音频数据识别模型包括M个特征提取子网络和与所述M个特征提取子网络的每个特征提取子网络的输出端连接的分类子网络,M为大于1的正整数,所述方法包括:获取样本音频数据和所述样本音频数据的真实标签;将所述样本音频数据输入所述M个特征提取子网络中的每个特征提取子网络,以获取针对所述样本音频数据的M个特征数据;将所述M个特征数据输入所述分类子网络以获取所述样本音频数据的预测标签;基于所述真实标签和所述预测标签,计算损失函数;以及基于所述损失函数,调整所述音频数据识别模型的参数。5.根据权利要求4所述的方法,其中,所述M个特征提取子网络中的每个特征提取子网络分别基于M个滤波参数集中的相应的滤波参数集被初始化,所述M个滤波参数集中的每个滤波参数集包括上限截止频率和下限截止频率。6.根据权利要求4所述的方法,其中,所述M个滤波参数集是通过以下步骤设置的:获取预定频率范围;将所述预定频率范围划分为M个连续的子频带;并且将所述M个连续的子频带中的每个子频带的下限频率和上限频率设置为对应的滤波参数集中的上限截止频率和下限截止频率。7.根据权利要求5或6所述的方法,其中,所述M个滤波参数集中的每个滤波参数集对应于频域上的矩形滤波器的参数集。8.根据权利要求7所述的方法,其中,所述将所述预定频率范围划分为M个连续的子频带包括:
对所述预定频率范围进行均分以获得M个相同宽度的子频带。9.根据权利要求5
‑
8中任一项所述的方法,其中,所述M个滤波参数集中的每个滤波参数集对应于经加窗处理的滤波器的参数集。10.根据权利要求4
‑
9中任一项所述的方法,其中,获取样本音频数据包括:获取原始音频数据;以及响应于确定所述原始音频数据...
【专利技术属性】
技术研发人员:熊新雷,肖岩,赵情恩,陈蓉,张银辉,梁芸铭,周羊,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。