-
公开(公告)号：CN116959475A
公开(公告)日：2023-10-27
申请号：CN202310837044.9
申请日：2023-07-10
Applicant: 重庆大学
IPC: G10L21/0216 , G10L21/0232 , G10L21/0208
Abstract: 本发明公开了一种基于改进谱减法的语音去噪方法，包括以下步骤：输入带噪语音，对带噪语音的信号进行预处理，将信号从时域维度转换到帧维度；采用傅里叶变换，获取信号全段频谱；逐帧计算人声所在子频带的频谱能量占比；生成语音屏蔽掩码，估计噪声；根据调节因子划分语音浊音、语音清音和噪声；对语音浊音、语音清音、噪声进行谱减后权重修正。本发明一种基于改进谱减法的语音去噪方法，能够实时的、有效的抑制平稳和非平稳噪声，显著提升语音信噪比，同时能够保证语音信号有效部分不受前端去噪带来的失真影响，适用于各语音任务下系统的前端去噪，提升系统处理速率及性能。
-
公开(公告)号：CN114820469A
公开(公告)日：2022-07-29
申请号：CN202210360506.8
申请日：2022-04-07
Applicant: 重庆大学
Abstract: 本发明公开了一种基于生成对抗网络的缺陷图像样本生成方法，所述方法包括获取真实缺陷样本和无缺陷样本；构建并训练第一生成对抗网络模型；将所述真实缺陷样本和所述无缺陷样本输入所述第一生成对抗网络模型，生成缺陷块图像；根据所述缺陷块图像和所述无缺陷样本，生成粗合成缺陷样本；构建并训练第二生成对抗网络模型；将所述粗合成缺陷样本输入和所述真实缺陷样本输入所述第二生成对抗网络模型，生成缺陷图像样本。本发明针对工业场景下缺陷检测任务生成样本不具备有意义的新分布和特征、背离真实分布、图像质量差、对监督信息的支持较差等不足，采用多阶段生成对抗网络结构生成数量可控的、带有缺陷种类及坐标监督信息的缺陷图像样本，适用于任意缺陷检测模型，大大提高了模型的适用性。
-
公开(公告)号：CN114820469B
公开(公告)日：2025-01-17
申请号：CN202210360506.8
申请日：2022-04-07
Applicant: 重庆大学
Abstract: 本发明公开了一种基于生成对抗网络的缺陷图像样本生成方法，所述方法包括获取真实缺陷样本和无缺陷样本；构建并训练第一生成对抗网络模型；将所述真实缺陷样本和所述无缺陷样本输入所述第一生成对抗网络模型，生成缺陷块图像；根据所述缺陷块图像和所述无缺陷样本，生成粗合成缺陷样本；构建并训练第二生成对抗网络模型；将所述粗合成缺陷样本输入和所述真实缺陷样本输入所述第二生成对抗网络模型，生成缺陷图像样本。本发明针对工业场景下缺陷检测任务生成样本不具备有意义的新分布和特征、背离真实分布、图像质量差、对监督信息的支持较差等不足，采用多阶段生成对抗网络结构生成数量可控的、带有缺陷种类及坐标监督信息的缺陷图像样本，适用于任意缺陷检测模型，大大提高了模型的适用性。
-
-
Search Results
3
records
(took 0.01 seconds)
