-
公开(公告)号：CN114613369B
公开(公告)日：2024-08-09
申请号：CN202210221405.2
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
-
公开(公告)号：CN113377994A
公开(公告)日：2021-09-10
申请号：CN202110773772.9
申请日：2021-07-08
Applicant: 哈尔滨理工大学
IPC: G06F16/632 , G06F16/65 , G06K9/62
Abstract: 本申请涉及一种基于旋律特征聚类与优化的哼唱检索方法，包括：对训练数据进行旋律特征提取，该特征为音高向量；对音高向量进行聚类并利用聚类标签训练DBN网络；利用训练好的DBN模型对测试数据提取特征；与训练集旋律特征库中的旋律特征进行匹配并找到所属类别，在类内继续匹配输出检索结果。本方法将优化初始聚类中心的k‑means算法引入到哼唱检索中，其能够依据高密度优先聚类的思想，有效提升密度差异较大数据集的聚类效果，聚类后同簇的旋律特征具有更高的结构相似性。本发明不仅检索稳定高效，而且检索精度高。
-
公开(公告)号：CN114613369A
公开(公告)日：2022-06-10
申请号：CN202210221405.2
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
-
-
Search Results
3
records
(took 0.015 seconds)
