[發(fā)明專利]一種基于加性間距膠囊網(wǎng)絡的家庭活動聲音事件分類方法

有效

• 申請?zhí)枺?/td>: 201911145336.6
• 申請日: 2019-11-21
• 公開（公告）號: CN110968729B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設計）人: 王章權;劉半藤;鄭啟航;施佳椰;陳友榮
• 申請（專利權）人: 浙江樹人學院（浙江樹人大學）
• 主分類號: G06F16/65
• 分類號: G06F16/65;G06K9/62
• 代理公司: 紹興市寅越專利代理事務所(普通合伙) 33285
• 代理人: 鄧愛民

1.一種基于加性間距膠囊網(wǎng)絡的家庭活動聲音事件分類方法，其特征在于：包括如下步驟：

步驟1：判斷音頻樣本的時長并裁剪至符合要求，使用對數(shù)Mel濾波器對裁剪好的音頻進行濾波，將濾波后的音頻樣本與標簽編碼組成樣本對，所有音頻樣本處理后形成的樣本對構建成樣本數(shù)據(jù)集；

步驟2：以膠囊神經(jīng)網(wǎng)絡模型作為骨干，利用Transition層與膠囊神經(jīng)網(wǎng)絡模型的結合計算加性間距SoftMax損失函數(shù)，構建出加性間距膠囊網(wǎng)絡模型；

步驟3：將預先構建好的樣本對作為加性間距膠囊網(wǎng)絡模型的輸入，經(jīng)過迭代優(yōu)化網(wǎng)絡參數(shù)獲得訓練好的加性間距膠囊網(wǎng)絡模型；

步驟4：判斷待分類音頻樣本的時長并進行裁剪至符合要求，使用對數(shù)Mel濾波器對裁剪好的待分類音頻進行濾波，將濾波后的待分類音頻輸入訓練好的加性間距膠囊網(wǎng)絡模型進行分類；

所述步驟2中加性間距膠囊網(wǎng)絡模型的構建方法如下：

2.1使用VGG16網(wǎng)絡進行特征提取，使用膠囊網(wǎng)絡作為特征整合器，對膠囊層各個參數(shù)進行初始化，添加權重變量并計算膠囊單元的預測輸出值；

2.2判斷是否達到迭代次數(shù)，若否進入2.3，若是則進入2.4；

2.3計算膠囊單元分類概率分布，根據(jù)分類概率分布計算出膠囊單元的輸出向量并激活，最后更新膠囊權重關系矩陣；

2.4輸出歸一化后的膠囊單元向量；

2.5定義Transition層的權重參數(shù)，利用2.4中輸出的膠囊單元向量計算出分類向量；

2.6定義權重參數(shù)矩陣，并設置每行向量的模為1；

2.7計算分類向量與權重參數(shù)矩陣的內積，然后計算加性間距損失。

2.根據(jù)權利要求1所述的一種基于加性間距膠囊網(wǎng)絡的家庭活動聲音事件分類方法，其特征在于：所述步驟1中樣本對的構建方法如下：

1.1判斷音頻樣本的時長是否符合設定值，時長不足設定值的予以補全至設定值，時長超過設定值的予以裁剪至設定值；

1.2對符合時長要求的音頻樣本進行STFT變換；

1.3使用Mel對數(shù)濾波器對STFT變換后的音頻樣本進行濾波；

1.4將濾波后的音頻樣本從幅度單位轉換為分貝單位，獲得輸入樣本；

1.5處理輸入標簽，將標簽值轉換為向量，得到向量化標簽編碼；

1.6將1.4中獲得的輸入樣本與1.5中獲得的標簽編碼組成樣本對進行保存。

3.根據(jù)權利要求1所述的一種基于加性間距膠囊網(wǎng)絡的家庭活動聲音事件分類方法，

其特征在于：

所述2.1中，添加膠囊網(wǎng)絡層，并設置輸入長度、輸出長度、迭代次數(shù)參數(shù)，添加權重變量W_ij，其中i代表當前層l膠囊單元索引，j代表層(l+1)膠囊單元索引，初始化膠囊單元第i層與第j層間的連接權重矩陣b_ij為0；計算輸入膠囊單元u_i與權重變量W_ij的預測輸出值為

所述2.3中，對于層l的所有膠囊單元i，計算分類概率分布為c_i＝softmax(b_ij)，對于層(l+1)的所有膠囊單元j，計算經(jīng)過概率分布c_i加權后的膠囊單元輸出為對于層(l+1)的所有膠囊單元j，計算歸一化的膠囊單元輸出v_j＝squash(s_j)，其中更新膠囊單元第i層與第j層間的膠囊權重關系矩陣為

所述2.5中，定義Transition層的權重參數(shù)T，并利用2.4的輸出歸一化后的膠囊單元向量計算出分類向量

所述2.7中，定義權重參數(shù)矩陣為w，計算分類向量f_j與權重參數(shù)矩陣w的內積為cos(θ_j)＝w^Tf_j，其中θ_j表示分類向量f_j與權重參數(shù)矩陣的轉置w^T的夾角，加性間距損失L_ams計算如下：

其中s為比例參數(shù)，m為間距參數(shù)，yi為該樣本正確標簽，cos(θ_yi)表示類向量f_yi與權重參數(shù)矩陣的轉置w^T的夾角余弦值。