[發明專利]對抗域自適應模型訓練方法及對抗域自適應模型在審
| 申請號： | 202010700632.4 | 申請日： | 2020-07-20 |
| 公開（公告）號： | CN111797844A | 公開（公告）日： | 2020-10-20 |
| 發明（設計）人： | 錢彥旻;陳正陽;王帥 | 申請（專利權）人： | 蘇州思必馳信息科技有限公司 |
| 主分類號： | G06K9/46 | 分類號： | G06K9/46;G06K9/62;G06N3/08 |
| 代理公司： | 北京商專永信知識產權代理事務所(普通合伙) 11400 | 代理人： | 黃謙;車江華 |
| 地址： | 215123 江蘇省蘇州市蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 對抗 自適應 模型 訓練 方法 | ||
1.一種對抗域自適應模型訓練方法，所述對抗域自適應模型包括源域嵌入提取器、說話者判別器、目標域嵌入提取器和域判別器，所述方法包括：
配置所述源域嵌入提取器和所述目標域嵌入提取器之間共享部分層的參數；
將有標注的源域訓練數據輸入至所述源域嵌入提取器，所述源域嵌入提取器的輸出輸入至所述說話者判別器，得到說話者損失；
將無標注的目標域訓練數據輸入至所述目標域嵌入提取器，所述目標域嵌入提取器的輸出和所述源域嵌入提取器的輸出輸入至所述域判別器，得到Wasserstein損失。
2.根據權利要求1所述的方法，其中，還包括預先對所述域判別器進行多次迭代訓練。
3.根據權利要求1所述的方法，其中，所述源域嵌入提取器和所述目標域嵌入提取器分別包括多個TDNN層、一個池化層和一個密集層。
4.根據權利要求3所述的方法，其中，所述配置所述源域嵌入提取器和所述目標域嵌入提取器之間共享部分層的參數包括：
通過權重正則化損失配置所述源域嵌入提取器和所述目標域嵌入提取器之間的多個層共享參數，所述多個層為所述多個TDNN層和所述密集層中的部分層。
5.根據權利要求4所述的方法，其中，所述多個層包括最靠近所述源域嵌入提取器和所述目標域嵌入提取器的輸出端的至少一個TDNN層。
6.根據權利要求4所述的方法，其中，還包括：
根據所述說話者損失、Wasserstein損失和權重正則化損失確定所述對抗域自適應模型的總損失，以完成所述對抗域自適應模型的訓練。
7.一種對抗域自適應模型，包括：源域嵌入提取器、說話者判別器、目標域嵌入提取器和域判別器，其中，
所述源域嵌入提取器和所述目標域嵌入提取器之間共享部分層的參數；
所述源域嵌入提取器用于輸入有標注的源域訓練數據，并與所述說話者判別器的輸入端連接，得到說話者損失；
所述目標域嵌入提取器用于無標注的目標域訓練數據輸入；
所述域判別器用于接收所述目標域嵌入提取器的輸出和所述源域嵌入提取器的輸出，以得到Wasserstein損失。
8.根據權利要求7所述的模型，其中，所述源域嵌入提取器和所述目標域嵌入提取器分別包括多個TDNN層、一個池化層和一個密集層。
9.根據權利要求8所述的模型，其中，所述源域嵌入提取器和所述目標域嵌入提取器之間通過權重正則化損失實現多個層共享參數，所述多個層為所述多個TDNN層和所述密集層中的部分層。
10.一種電子設備，其配置有權利要求7-9中任一項所述的對抗域自適應模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州思必馳信息科技有限公司，未經蘇州思必馳信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010700632.4/1.html，轉載請聲明來源鉆瓜專利網。
