【技术实现步骤摘要】
本专利技术属于音频信号处理，具体涉及一种基于并行局部注意和转换器的音乐情感识别方法及系统。
技术介绍
1、音乐情感识别是近年来人工智能研究的热点之一。现有的音乐情感识别方法大多数依赖于传统的特征提取技术，如频谱特征、时域特征等，但这些方法无法充分挖掘音频数据中细粒度的音乐特征，导致情感识别的准确性受到限制。随着深度学习技术的发展，基于深度学习的方法在音乐情感识别中表现出了较好的性能。然而，现有方法大多存在对于长时序特征处理不足、局部音乐特征和全局音乐特征融合困难等问题。
技术实现思路
1、为解决上述问题，本专利技术提供了基于并行局部注意和转换器的音乐情感识别方法及系统，通过高效的特征提取和情感分析技术，能够准确地从音频信号中提取出音乐特征，提高音乐情感识别精度。
2、本专利技术通过以下技术方案实现：
3、一种基于并行局部注意和转换器的音乐情感识别方法，包括以下步骤：
4、步骤s1：从音频信号中提取音频特征向量；
5、步骤s2：将音频特征向量输...
【技术保护点】
1.一种基于并行局部注意和转换器的音乐情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于并行局部注意和转换器的音乐情感识别方法，其特征在于，将输入的音频特征向量按时间步长进行均分，同时输入到并行局部注意网络的两个分支，输入特征在两个分支分别通过卷积操作得到对应分支的特征，然后计算通道注意力和空间注意力， 第1个分支的特征经过卷积注意模块处理后，第1个分支的卷积注意模块输出特征：，为第1个分支空间注意力输出特征，最后通过加权得到第1个分支输出特征，其中和为两个权重参数，为第1个分支的输入特征；第2个分支的卷积注意模块输出特征，为第2个分支...
【技术特征摘要】
1.一种基于并行局部注意和转换器的音乐情感识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于并行局部注意和转换器的音乐情感识别方法，其特征在于，将输入的音频特征向量按时间步长进行均分，同时输入到并行局部注意网络的两个分支，输入特征在两个分支分别通过卷积操作得到对应分支的特征，然后计算通道注意力和空间注意力， 第1个分支的特征经过卷积注意模块处理后，第1个分支的卷积注意模块输出特征：，为第1个分支空间注意力输出特征，最后通过加权得到第1个分支输出特征，其中和为两个权重参数，为第1个分支的输入特征；第2个分支的卷积注意模块输出特征，为第2个分支的特征，为第2个分支空间注意力输出特征，第2个分支输出特征，为第２个分支的输入特征；
3.根据权利要求2所述的基于并行局部注意和转换器的音乐情感识别方法，其特征在于，通道注意力计算方法为：
4.根据权利要求1所述的基于并行局部注意和转换器的音乐情感识别方法，其特征在于，步骤s3中，采用自适应学习的权重参数将局部音乐特征与全局...
【专利技术属性】
技术研发人员：姚誉，唐孝彬，冯巧婷，孙金菊，朱志星，
申请(专利权)人：华东交通大学，
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。