[发明专利]一种基于音频增强、Mel声谱图和ViT的环境声音分类方法在审
申请号: | 202211220366.0 | 申请日: | 2023-01-09 |
公开(公告)号: | CN115862608A | 公开(公告)日: | 2023-03-28 |
发明(设计)人: | 徐敬;廖文栋 | 申请(专利权)人: | 浙江大学 |
主分类号: | G10L15/08 | 分类号: | G10L15/08;G10L15/06;G10L15/16;G10L21/10 |
代理公司: | 杭州新泽知识产权代理事务所(特殊普通合伙) 33311 | 代理人: | 刘巡 |
地址: | 316021 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于音频增强、Mel声谱图和ViT的环境声音分类方法。该方法包括四个步骤:①构建数据集:针对要进行分类的环境声音,构建环境声音数据集;②音频增强:将采集到的声音数据进行音频增强;③音频转化为声谱图:使用算法将音频文件转化为Mel声谱图;④模型训练:将Mel声谱图送入改进的ViT(VisionTransformer)模型中进行训练。训练结束后,就可以用训练结果进行环境声音分类了。传统的环境声音识别大多使用波形特征进行识别分类,本发明使用Mel声谱图作为特征进行识别分类,将声音识别转换到了图像识别。目前一些环境声音分类方法使用Mel声谱图进行旋转、移动和剪切等图片增强方法,忽略了其声音特性,本发明采用音频增强方法,更符合音频本身的特性。目前一些环境声音分类方法使用的网络结构较为简单,本发明引入目前分类效果比较好的ViT网络结构进行模型训练。 | ||
搜索关键词: | 一种 基于 音频 增强 mel 声谱 vit 环境 声音 分类 方法 | ||
【主权项】:
暂无信息
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浙江大学,未经浙江大学许可,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/202211220366.0/,转载请声明来源钻瓜专利网。