[发明专利]一种用于语音变形检测的深度残差网络结构在审
| 申请号： | 201910521871.0 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110211604A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 王泳;张梦鸽;赵雅珺 | 申请（专利权）人： | 广东技术师范大学 |
| 主分类号： | G10L25/30 | 分类号： | G10L25/30;G10L15/16;G06N3/04;G06N3/08 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 肖平安 |
| 地址： | 510665 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种用于语音变形检测的深度残差网络结构，其特征在于共50层，并在网络结构的卷积神经网络中加入短链接；该短链接即为在下一层的输入额外的加入上一层的特征映射，短链接的特征映射不增加额外的参数；所述网络结构采用四个最大池化，在第一层卷积层之后有四种针对不同尺寸特征图的结构块，网络结构卷积过程中，在每个结构块后进行一次降采样，降采样只在时频图的时间维度进行；而卷积神经网络在进行语音变形的频谱特征提取时，卷积核只在频谱特征维度进行卷积；所述网络结构最后加有全局均值池化层和全连接层后再经sigmoid非线性函数进行结果评价。本发明建立的检测变形语音模型，能更好的分类出语音是原始语音还是伪装语音。 | ||
| 搜索关键词： | 网络结构 语音 短链接 卷积 卷积神经网络 变形检测 频谱特征 降采样 结构块 映射 残差 池化 非线性函数 尺寸特征 结果评价 时间维度 语音模型 原始语音 变形的 第一层 卷积核 连接层 时频 维度 伪装 变形 分类 检测 全局 | ||
【主权项】：
1.一种用于语音变形检测的深度残差网络结构，其特征在于：所述网络结构共50层，并在该网络结构的卷积神经网络中加入短链接；所述短链接即为在下一层的输入额外的加入上一层的特征映射，该短链接的特征映射不增加额外的参数，以将每一层重新表示为学习上一层的残差函数而不用重复学习未被训练的特征；所述网络结构的时频图输入尺寸为(128*127)，采用四个最大池化，其滤波器尺寸为(1*2)，步长为2；在网络结构的第一层卷积层之后，有四种针对不同尺寸特征图的结构块，每个结构块共有分别是1x1,3x1和1x1的3个卷积层，其中两个1x1的卷积层是先减少数据维度后再增加数据维度；所述网络结构卷积过程中，在每个结构块后进行一次降采样，该降采样只在时频图的时间维度进行；而卷积神经网络在进行语音变形的频谱特征提取时，其卷积核只在频谱特征维度进行卷积；所述网络结构的最后加有一个全局均值池化层和1000路的全连接层，之后再经过sigmoid非线性函数进行结果评价。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东技术师范大学，未经广东技术师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910521871.0/，转载请声明来源钻瓜专利网。
