龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：苏州声学产业技术研究院有限公司
摘要：本发明公开了基于数据混合和标签平滑训练模型及环境声音分类的方法，涉及语音或声音处理技术领域；训练方法包括步骤S1：获得批数据；步骤S2：时域数据增强和时域预处理；步骤S3：混合音频和标签平滑；步骤S4：频域预处理和频域增强；步骤S5：更新深度学习模型参数；其通过混合音频和标签平滑等，训练深度学习模型效率更高；分类方法包括用训练好的深度学习模型对环境声音分类获得分类结果，分类结果精度更高。
主权项：1.一种基于数据混合和标签平滑训练模型的方法，其特征在于：包括如下步骤，步骤S1：获得批数据；步骤S2：对批数据进行常规的时域数据增强和时域预处理，获得时域数据增强和时域预处理后的批数据；步骤S3：随机初始化0到1之间的一个批数据的浮点数，当浮点数小于混合概率，则执行步骤S31混合音频和标签平滑进行数据增强，否则执行步骤S32不进行混合音频和标签平滑；步骤S31：将步骤S2时域数据增强和时域预处理后的批数据进行混合音频和标签平滑，获得平滑后的批数据和标签即频域处理前的批数据，执行步骤S4；步骤S32：不进行混合音频和标签平滑，步骤S2的时域数据增强和时域预处理后的批数据即频域处理前的批数据，执行步骤S4；步骤S4：将步骤S3获得的频域处理前的批数据进行频域预处理和频域增强，获得频域预处理和频域增强后的批数据；步骤S5：当步骤S4的频域处理前的批数据为步骤S31获得的平滑后的批数据和标签时，则基于混合音频和标签平滑的损失函数，深度学习模型反向传播，更新深度学习模型的训练参数；当步骤S4的频域处理前的批数据为步骤S2的时域数据增强和时域预处理后的批数据时，则基于交叉熵的损失函数更新深度学习模型的训练参数。
全文数据：
权利要求：
百度查询： 苏州声学产业技术研究院有限公司 基于数据混合和标签平滑训练模型及环境声音分类的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号