“郑若伟”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]基于检测错误加权编辑距离的语音关键词样本筛选方法-CN202110938700.5有效
发明人：贺前华;严海康;兰小添;郑若伟 -专利权人：华南理工大学
申请日： 2021-08-16 - 公布日： 2023-10-27 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了基于检测错误加权编辑距离的语音关键词样本筛选方法，利用语音关键词识别模型训练过程中的输出信息，通过对样本关键词的检测错误进行加权，从而对解码序列与标签序列的编辑距离进行修订，使得重要样本可以得到更大的关注，从而筛选出不合格的语音关键词样本。本发明大大降低了人工审核所有样本的工作量，提升了筛选的效率。为语料库的清洗，构建一个高质量的语音数据集提供了一个有效的方案，减少了低资源小语种语料库建设的难度，同时也为深度神经网络提供了质量更高的语音关键词样本，推动低资源语种相关语音技术的研究发展。
基于检测错误加权编辑距离语音关键词样本筛选方法

[发明专利]一种高效语音关键词检测器训练样本使用方法-CN202110937477.2有效
发明人：贺前华;兰小添;田颖慧;郑若伟 -专利权人：华南理工大学
申请日： 2021-08-16 - 公布日： 2023-09-19 - 主分类号： G10L25/51 文献下载
摘要：本发明公开了一种高效语音关键词检测器训练样本使用方法，包括：使用全部样本训练检测器n轮；在第k轮训练的准备阶段，基于第k‑1轮训练所得检测器Dk‑1，获取样本的目标评分S(T)和竞争者评分S(C)，构建样本参与第k轮训练的概率；根据样本参与训练的概率，挑选出第k轮所使用的样本集Zk；第k轮使用Zk进行训练，获得新的检测器Dk，重复上述获取样本参与训练的概率、挑选样本和训练的过程，直至模型收敛或训练轮次大于预设值，结束训练。本发明通过挑选能对模型训练提供更多区分性信息的样本进行训练，使训练更加关注重要的样本，在提升系统性能的同时，提升训练效率；而且可缓解关键词检测训练中类样本不平衡问题；方法简单、高效，有广阔的应用前景。
一种高效语音关键词检测器训练样本使用方法

[发明专利]基于注意力机制声学词嵌入特征的语音样例检测方法及系统-CN202310344405.6在审
发明人：贺前华;徐剑斌;郑若伟;李学高 -专利权人：华南理工大学
申请日： 2023-04-03 - 公布日： 2023-08-15 - 主分类号： G10L25/30 文献下载
摘要：本发明公开了一种基于注意力机制声学词嵌入特征的语音样例检测方法及系统，该方法包括下述步骤：将语音数据集通过标注信息所提供的词级别时间戳集切分为具有不同词语信息的语音片段，对切分后的语音片段进行零值填充和上下文填充，得到固定时长的语音片段；构建基于注意力机制的声学词嵌入特征神经网络，将语音片段构造成三元损失函数所需的三元组形式，对三元组提取对数梅尔谱特征，以三元损失函数为目标训练声学词嵌入特征神经网络；将训练后的声学词嵌入特征神经网络作为声学词嵌入特征提取器，使用声学词嵌入特征进行语音样例检测，得到语音样例检测结果。本发明提高了声学词嵌入特征的区分性，提高了声学词嵌入特征在语音样例检测中的效果。
基于注意力机制声学嵌入特征语音检测方法系统

[发明专利]基于无监督学习和迁移学习的低资源语音关键词检测方法-CN202310310453.3在审
发明人：贺前华;郑若伟;徐剑斌;李学高 -专利权人：华南理工大学
申请日： 2023-03-28 - 公布日： 2023-07-14 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了基于无监督学习和迁移学习的低资源语音关键词检测方法：使用无标注语音数据进行训练得到无监督网络模型；冻结该模型参数作为特征提取网络，与预编码层和决策网络一同构建语音关键词检测模型；在富资源条件下进行有监督预训练得到富资源语音关键词检测模型；在低资源条件下，将已训练完成的富资源语音关键词检测模型的参数迁移至当前模型，进而微调得到低资源语音关键词检测模型；最后根据模型输出进行解码判断样本是否包含预定关键词。本发明结合了无监督学习和迁移学习，充分利用了无标注数据和有标注数据，提高了在低资源条件下语音关键词检测性能，改善语音关键词检测领域数据不足的情况。
基于监督学习迁移资源语音关键词检测方法