[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。
