买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军陆军工程大学

摘要：本发明公开了一种基于软对比伪学习的开放世界伪造语音归因方法及系统，方法包括：将语音样本的时频特征输入训练好的伪造语音归因模型，输出语音样本的时频特征属于已知语音伪造方法和未知语音伪造方法中的各个类别的概率，作为伪造语音归因的识别结果；伪造语音归因模型包括：特征提取模块和特征分类模块；特征提取模块用于采用深度卷积神经网络提取语音样本的深层特征和浅层特征，将获得的所述语音样本的深层特征输出到所述特征分类模块；特征分类模块用于对语音样本的深层特征进行类别判断。本发明在不影响对已知类别数据的识别精度的同时，显著提高对未知类别和所有类别数据的聚类性能。

主权项：1.一种伪造语音归因方法，其特征在于，包括：获取语音样本的时频特征；将语音样本的时频特征输入训练好的伪造语音归因模型，输出语音样本的时频特征属于已知语音伪造方法和未知语音伪造方法中的各个类别的概率，作为伪造语音归因的识别结果；其中，所述伪造语音归因模型，包括：特征提取模块和特征分类模块；所述特征提取模块，用于采用深度卷积神经网络提取语音样本的深层特征和浅层特征，将获得的所述语音样本的深层特征输出到所述特征分类模块；所述特征分类模块，用于对所述语音样本的深层特征进行类别判断；所述特征分类模块为后接Softmax函数的全连接层，所述全连接层的输出节点数与已知语音伪造方法和未知语音伪造方法中的类别总数相同；所述伪造语音归因模型的训练方法，包括：输入语音训练样本的时频特征，利用所述特征提取模块提取语音训练样本的深层特征和浅层特征；以所述深层特征和浅层特征为输入，利用基于相似性的软筛选模块，筛选样本对，以全局相似性作为权重，计算基于相似性的软对比学习损失；将所述深层特征输出到特征分类模块，输出语音训练样本属于各个类别的预测逻辑值；利用基于相似性的软伪标签模块，以所述预测逻辑值为输入，使用GumbelSoftmax函数生成平滑伪标签，以全局相似性作为权重，计算基于相似性的软伪标签学习损失；依据所述预测逻辑值，得到有标签样本的预测标签，计算分类损失；依据有标签样本和无标签样本的预测逻辑值，得到语音训练样本属于各个类别的概率；以概率为输入，计算熵正则化损失；使用基于相似性的软对比学习损失、基于相似性的软伪标签学习损失、分类损失和熵正则化损失的线性组合共同监督深度卷积神经网络和全连接层的训练，得到深度卷积神经网络和全连接层的权重参数。

全文数据：

权利要求：

百度查询： 中国人民解放军陆军工程大学 基于软对比伪学习的开放世界伪造语音归因方法及系统