-
公开(公告)号：CN115101085B
公开(公告)日：2024-08-30
申请号：CN202210647059.4
申请日：2022-06-09
申请人： 重庆理工大学
IPC分类号： G10L21/0272 , G10L21/0308 , G10L25/30
摘要： 本发明涉及语音处理技术领域，尤其涉及一种卷积增强外部注意力的多说话人时域语音分离方法。方法包括：S1.通过编码器将多说话人混合语音，进行卷积运算，转换为其潜在特征表示；通过基于卷积增强外部注意力模块的分离器学习得到语音掩码；语音掩码与编码器输出的潜在特征表示相乘，再通过解码器的反卷积运算重建波形得到分离后的语音。本发明能够满足语音分离较小模型、高时效性的需求，并且以其序列建模的优势来达到更好的分离效果；增强了外部注意力机制学习到更多的特征和相关性，且保持了其分离速度快的优势；在双路结构中的应用可以较好地平衡时效性、模型大小和分离效果。
-
公开(公告)号：CN114897919B
公开(公告)日：2024-09-17
申请号：CN202210520032.9
申请日：2022-05-13
申请人： 重庆理工大学
摘要： 本发明公开了一种基于边缘梯度导向插值的deplabv3+语义分割方法，涉及智能算法、深度学习技术领域。本发明步骤如下：S1：使用高斯模糊进行降噪，在进行边缘检测之前首先要对原图像进行高斯滤波，减少噪声对边缘检测的影响；S2：采用Sobel算子对模糊后的图像分别求x方向与y方向的梯度，可以得到总的梯度图像即检测到的边缘图，也就是低分辨率图像的梯度；S3：提最后分别对x和y方向实行双三次插值。本发明通过将deeplabv3+语义分割模型中所使用的双线性插值替换成边缘梯度导向插值算法，以此获得更多容易被忽略的图像物体边缘特征信息，提高语义分割的精确度，进而能够有效的提高图像插值质量，以及对语义分割精确度其MIOU有一定的提高。
-
公开(公告)号：CN114897919A
公开(公告)日：2022-08-12
申请号：CN202210520032.9
申请日：2022-05-13
申请人： 重庆理工大学
摘要： 本发明公开了一种基于边缘梯度导向插值的deplabv3+语义分割方法，涉及智能算法、深度学习技术领域。本发明步骤如下：S1：使用高斯模糊进行降噪，在进行边缘检测之前首先要对原图像进行高斯滤波，减少噪声对边缘检测的影响；S2：采用Sobel算子对模糊后的图像分别求x方向与y方向的梯度，可以得到总的梯度图像即检测到的边缘图，也就是低分辨率图像的梯度；S3：提最后分别对x和y方向实行双三次插值。本发明通过将deeplabv3+语义分割模型中所使用的双线性插值替换成边缘梯度导向插值算法，以此获得更多容易被忽略的图像物体边缘特征信息，提高语义分割的精确度，进而能够有效的提高图像插值质量，以及对语义分割精确度其MIOU有一定的提高。
-
公开(公告)号：CN115101085A
公开(公告)日：2022-09-23
申请号：CN202210647059.4
申请日：2022-06-09
申请人： 重庆理工大学
IPC分类号： G10L21/0272 , G10L21/0308 , G10L25/30
摘要： 本发明涉及语音处理技术领域，尤其涉及一种卷积增强外部注意力的多说话人时域语音分离方法。方法包括：S1.通过编码器将多说话人混合语音，进行卷积运算，转换为其潜在特征表示；通过基于卷积增强外部注意力模块的分离器学习得到语音掩码；语音掩码与编码器输出的潜在特征表示相乘，再通过解码器的反卷积运算重建波形得到分离后的语音。本发明能够满足语音分离较小模型、高时效性的需求，并且以其序列建模的优势来达到更好的分离效果；增强了外部注意力机制学习到更多的特征和相关性，且保持了其分离速度快的优势；在双路结构中的应用可以较好地平衡时效性、模型大小和分离效果。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)