[发明专利]训练方法、分类方法、装置、电子设备以及存储介质

权利要求书

1.一种异常音频分类模型的训练方法，所述异常音频分类模型包括特征提取模块、时序特征学习模块和多分类模块，所述方法包括：

利用所述特征提取模块处理训练样本集中的每个样本音频，得到与所述每个样本音频对应的深度特征数据；

利用所述时序特征学习模块处理与所述每个样本音频对应的深度特征数据，得到与所述每个样本音频对应的时序特征序列；

利用所述多分类模块处理与所述每个样本音频对应的时序特征序列，得到与所述每个样本音频对应的多分类结果；以及

根据与所述每个样本音频对应的多分类结果和多分类标签，对所述特征提取模块、所述时序特征学习模块和所述多分类模块进行联合训练，得到所述异常音频分类模型。

2.根据权利要求1所述的方法，其中，所述多分类模块包括并联的多个分类单元；

所述利用所述多分类模块处理与所述每个样本音频对应的时序特征序列，得到与所述每个样本音频对应的多分类结果，包括：

将与所述每个样本音频对应的时序特征序列分别输入所述多个分类单元，得到与所述每个样本音频对应的多分类结果。

3.根据权利要求2所述的方法，其中，所述多分类模块包括第一分类单元、第二分类单元、第三分类单元和第四分类单元；

所述将与所述每个样本音频对应的时序特征序列分别输入所述多个分类单元，得到与所述每个样本音频对应的多分类结果，包括：

将与所述每个样本音频对应的时序特征序列输入所述第一分类单元，得到与所述每个样本音频对应的第一分类结果，其中，所述第一分类结果表征所述样本音频是正常音频或异常音频的分类结果；

将与所述每个样本音频对应的时序特征序列输入所述第二分类单元，得到与所述每个样本音频对应的第二分类结果，其中，所述第二分类结果表征所述样本音频是所述异常音频中的气息类音频或其他类音频的分类结果；

将与所述每个样本音频对应的时序特征序列输入所述第三分类单元，得到与所述每个样本音频对应的第三分类结果，其中，所述第三分类结果表征所述样本音频是所述气息类音频中的纯气息类音频或其他类音频的分类结果；

将与所述每个样本音频对应的时序特征序列输入所述第四分类单元，得到与所述每个样本音频对应的第四分类结果，其中，所述第四分类结果表征所述样本音频是所述纯气息类音频中的正常音频或异常音频的分类结果；以及

根据与所述每个样本音频对应的第一分类结果、第二分类结果、第三分类结果和第四分类结果，得到与所述每个样本音频对应的多分类结果。

4.根据权利要求1～3中任一项所述的方法，还包括：

利用样本均衡策略得到所述训练样本集。

5.根据权利要求4所述的方法，其中，所述利用样本均衡策略得到所述训练样本集，包括：

确定与每种所述多分类标签对应的初始样本音频的数量；

确定目标多分类标签，其中，所述目标多分类标签是对应的所述初始样本音频的数量小于第一预设数量阈值的多分类标签；

对与所述目标多分类标签对应的初始样本音频进行过采样，以使得与所述目标多分类标签对应的初始样本音频的数量大于或等于所述第一预设数量阈值且小于或等于第二预设数量阈值；以及

将过采样后得到的与所述目标多分类标签对应的初始样本音频和与其他多分类标签对应的初始样本音频确定为所述训练样本集，其中，所述其他多分类标签是对应的所述初始样本音频的数量大于或等于所述第一预设数量阈值且小于或等于所述第二预设数量阈值的多分类标签。

6.根据权利要求5所述的方法，其中，所述对与所述目标多分类标签对应的初始样本音频进行过采样，包括：

对与所述目标多分类标签对应的初始样本音频进行复制。

7.根据权利要求4所述的方法，其中，所述利用样本均衡策略得到所述训练样本集，包括：

确定与每种所述多分类标签对应的初始样本音频；

根据预设采样比例，从与每种所述多分类标签对应的初始样本音频中确定样本音频；以及

根据与每种所述多分类标签对应的样本音频，得到所述训练样本集。