[发明专利]基于残差卷积网络的建模方法、语音识别方法及电子设备

权利要求书

1.一种基于残差卷积网络的建模方法，其特征在于，所述方法包括：

获取语料库中的多个音频数据；

对所述音频数据进行特征提取，以得到音频特征数据；

对所述音频特征数据采用构建的残差卷积网络进行训练得到声学模型，所述声学模型用于对待识别语音数据进行识别。

2.根据权利要求1所述的基于残差卷积网络的建模方法，其特征在于，对所述音频特征数据采用所述残差卷积网络进行训练得到声学模型的步骤包括：

将所述音频特征数据划分为训练数据集和验证数据集，其中，所述训练数据集和验证数据集分别包括多个音频特征数据；

将所述训练数据集输入至残差卷积网络中进行训练得到一初始模型；

将所述验证数据集输入至所述初始模型中以进行测试处理得到一声学模型。

3.根据权利要求2所述的基于残差卷积网络的建模方法，其特征在于，还包括：构建残差卷积网络的步骤，其包括：

构建包括卷积模块和残差模块的残差卷积网络，根据获得的参数信息设置该残差卷积网络中的模型参数语音长度、每个长度的特征大小、输出标签最大长度、模型训练参数的样本数量以及数据集被轮询次数。

4.根据权利要求3所述的基于残差卷积网络的建模方法，其特征在于，残差卷积网络还包括卷积池化层，所述卷积模块包括第一卷积模块和第二卷积模块，所述残差模块包括第一残差模块和第二残差模块，将所述训练数据集输入至残差卷积网络中进行训练得到一初始模型的步骤包括：

所述卷积池化层对音频特征数据进行卷积，对卷积后的音频数据进行再次卷积，从再次卷积后的音频特征数据中随机选取第一预设比例的数据作最大池化处理，以输出第一特征图；

所述第一卷积模块对所述第一特征图进行卷积，从卷积后的第一特征图中随机抽取第二预设比例的数据进行最大池化处理，输出第二特征图；

第二个卷积模块对所述第二特征图进行卷积，从卷积后的特征数据中随机抽取第三预设比例的数据进行最大池化处理，输出第三特征图；

所述第一残差模块对所述第三特征图进行卷积，对卷积后的第三特征图进行最大值池化，对池化后的第三特征图进行随机抽取，以输出第四特征图；

所述第二残差模块对所述第四特征图进行卷积，从卷积后的第四特征图中随机抽取第四预设比例的数据进行最大池化处理，对池化处理后的第四特征图按照第五预设比例再次进行抽取，以输出第五特征图；

所述第二残差模块对所述第五特征图进行卷积，从卷积后的第五特征图中随机抽取第六预设比例的数据，以输出第六特征图；

所述第一残差模块对所述第六特征图进行卷积，从卷积后的第六特征图作最大值池化，以得到第七特征图，并将该第七特征图转化为第一预设值大小的矩阵数据，并从该数据中随机抽取第七预设比例的数据后输出至第一全连接层，以全连接输出大小为第二预设值大小的矩阵数据并从该数据中随机抽取第八预设比例的数据，以及将该数据再次输入至第二全连接层，以全连接输出预测结果；

对所述预测结果和所述音频特征数据对应的拼音序列采用损失函数进行计算以得到损失值；

根据所述损失值调整所述残差卷积网络的参数以得到初始模型。

5.根据权利要求1所述的基于残差卷积网络的建模方法，其特征在于，获取语料库中的音频数据的步骤包括：

获取语料库中文件格式为wav格式的数据，以得到音频数据。

6.根据权利要求1所述的基于残差卷积网络的建模方法，其特征在于，对所述音频数据进行特征提取，以得到音频特征数据的步骤包括：

调用用于进行语音处理的Python库或者用于音乐和音频分析的ptthon包中的MFCC算法；

采用所述MFCC算法对所述音频数据进行特征提取，以得到音频特征数据。

7.一种语音识别方法，其特征在于，所述语音识别方法包括：

获得待识别语音数据；

采用通过上述权利要求1-6任意一项所述的建模方法获得的声学模型对所述语音数据进行识别，以得到与所述语音数据对应的拼音序列；

对所述拼音序列进行解码得到文字序列，从而完成对所述待识别语音数据的识别。