公开(公告)号：CN119559951A

公开(公告)日：2025-03-04

申请号：CN202411756892.8

申请日：2024-12-02

Applicant: 广州航海学院 ,  朝阳聚声泰(信丰)科技有限公司 ,  南昌航空大学

Inventor： 孙成立 ,  张佳豪 ,  郭桥生 ,  邹采荣 ,  向丹 ,  梁瑞宇 ,  王青云 ,  孙淼 ,  郭智华 ,  康良军 ,  陈飞龙 ,  彭建坤 ,  丁碧云

IPC: G10L17/18 ,  G10L17/04

Abstract: 本发明涉及语音处理技术领域，具体涉及一种基于最大化编码空间的无监督说话人验证方法，涉及说话人验证领域、机器学习领域和域自适应领域，包括将含有源域训练集的说话人语音的音频信号输入CAM++网络监督式预训练得到预训练模型；将预训练模型初始化教师‑学生框架中的教师模型得到初始化的DINO框架；将目标域的说话人语音的音频信号切分成两个不重复的语音片段输入到初始化的DINO框架，教师模型输出得到2个固定维度的说话人嵌入，学生模型得到2个固定维度的说话人嵌入；固定教师模型的参数，损失回传，梯度更新，优化学生模型的参数；训练好的模型提取测试语音的说话人嵌入然后使用余弦相似性分析即可得到说话人分类结果。

公开(公告)号：CN118366461A

公开(公告)日：2024-07-19

申请号：CN202410501998.7

申请日：2024-04-25

Applicant: 广州航海学院 ,  朝阳聚声泰(信丰)科技有限公司 ,  南昌航空大学

Inventor： 孙成立 ,  张佳豪 ,  郭桥生 ,  陈飞龙 ,  邹采荣 ,  丁碧云 ,  彭建坤 ,  郭智华 ,  肖永生 ,  郭奕君

IPC: G10L17/18 ,  G06F18/22 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/0464 ,  G10L17/02

Abstract: 本发明涉及语音处理技术领域和图像超分辨率技术领域，具体涉及一种基于纹理和通道特征增强的上下文掩蔽感知的说话人验证方法，涉及说话人验证领域、图像超分辨率分析领域和计算机视觉领域，包括将含有说话人语音的音频信号输入至采集边缘特征的卷积块得到带有加强的边缘特征的说话人信息；将加强边缘特征的说话人信息输入至带残差的二维卷积块得到具有高分辨率时频特征的说话人信息；将含有高分辨率时频特征的说话人信息输入至全局响应归一化层得到通道特征加强的说话人信息；将通道特征加强的说话人信息输入至CAM++骨干网络得到完整的说话人向量；将完整的说话人向量输入至线性分类层然后用余弦相似性分析即可得到说话人分类结果。

公开(公告)号：CN119296550A

公开(公告)日：2025-01-10

申请号：CN202411417307.1

申请日：2024-10-11

Applicant: 南昌航空大学

Inventor： 陈飞龙 ,  朱祯君 ,  潘子兴 ,  彭建坤 ,  孙成立 ,  丁碧云

IPC: G10L17/26 ,  G10L17/02 ,  G10L17/18 ,  G10L21/0208 ,  G10L21/0232

Abstract: 本发明公开了一种基于度量学习的环境声音分类方法及系统，该方法包括如下步骤：收集环境声音音频，并转化为梅尔频谱图；对梅尔频谱图进行数据增强；构建SPA模块和FPL模块，使用SPA模块或FPL模块对数据增强后的环境声音音频进行处理，采用预训练的卷积神经网络模型对处理后的环境声音音频进行特征提取，得到声音特征；将提取的声音特征输入到表征空间；在表征空间中结合对比、度量学习和交叉熵损失来优化声音特征，对优化后的声音特征进行分类；本发明通过利用度量学习考虑类内变异的方法，使得在进行分类任务的过程中，同类样本的特征更加接近，不同类样本的特征更加分离，有效提高了分类准确率。