时延神经网络改进方法、电子设备和存储介质技术

本发明专利技术公开时延神经网络改进方法、电子设备和存储介质，其中方法包括：遵循深度优先设计规则，在保持所述时延神经网络复杂性的同时增加所述时延神经网络的深度；将所述时延神经网络中的SE

【技术实现步骤摘要】
时延神经网络改进方法、电子设备和存储介质


[0001]本专利技术属于时延神经网络改进
，尤其涉及时延神经网络改进方法、电子设备和存储介质。

技术介绍

[0002]相关技术中，存在强调通道注意、传播和聚合的TDNN说话人确认系统，提出对TDNN架构和统计池层进行进一步的架构增强。引入了额外的跳过连接来在整个系统中传播和聚合通道。并且使用全局上下文的通道注意力被合并到框架层和统计池层中，以进一步改进结果。基于时延神经网络(TDNN)的说话人验证系统与基于二维卷积神经网络(CNN)的说话人验证系统之间的性能差距越来越大，专利技术人发现主要是因为上述技术只考粗粒度的说话人信息提取，未考虑细粒度信息的建模。

技术实现思路

[0003]本专利技术实施例提供一种时延神经网络改进方法、电子设备和存储介质，用于至少解决上述技术问题之一。
[0004]第一方面，本专利技术实施例提供一种时延神经网络改进方法，用于时延神经网络改进系统，其中，所述时延神经网络改进系统包括预训练的声学模型、注意力模块和触发模块，所述方法包括：利用所述预训练的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时延神经网络改进方法，包括：遵循深度优先设计规则，在保持所述时延神经网络复杂性的同时增加所述时延神经网络的深度；将所述时延神经网络中的SE
‑
Res2Block转换为SE
‑
RecBlock；增加基于金字塔的多路径特征增强模块来跨层聚合特征，其中，所述多路径特征增强模块的输入是来自不同阶段的特征图，所述多路径特征增强模块由三个路径组成：横向路径、自上而下路径和自下而上路径。2.根据权利要求1所述的方法，其中，所述时延神经网络中存在3个连续的SE
‑
Res2Block，SE
‑
Res2Block由两个一维卷积层和一个以为扩张的Res2Conv组成，所述将所述时延神经网络中的SE
‑
Res2Block转换为SE
‑
RecBlock包括：在每个SE
‑
Res2Block之后对通道数进行2倍降采样；将每个SE
‑
Res2Block的两个一维卷积层的通道数缩小2倍；在每个SE
‑
Res2Block中使用RecConv代替Res2Conv。3.根据权利要求2所述的方法，其中，所述递归卷积SE
‑
RecBlock的处理流程包括：RecConv将输入特征的通道数投射到2...

【专利技术属性】
技术研发人员：钱彦旻，刘贝，陈正阳，
申请(专利权)人：思必驰科技股份有限公司，
类型：发明
国别省市：