[發(fā)明專利]本體感知聲音分類

在審

• 申請?zhí)枺?/td>: 202011548123.0
• 申請日: 2020-12-24
• 公開（公告）號: CN113129906A
• 公開（公告）日: 2021-07-16
• 發(fā)明（設(shè)計）人: S·加法扎德甘;馮哲;孫熠瑋
• 申請（專利權(quán)）人: 羅伯特·博世有限公司
• 主分類號: G10L17/26
• 分類號: G10L17/26;G10L17/18;G10L17/00;G10L17/04;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李雪娜;周學(xué)斌

1.一種用于本體感知聲音分類的系統(tǒng)，所述系統(tǒng)包括電子處理器，所述電子處理器被配置為

基于精細(xì)音頻分類標(biāo)簽之間的關(guān)系而創(chuàng)建第一圖；

基于粗略音頻分類標(biāo)簽之間的關(guān)系而創(chuàng)建第二圖；

接收包括一個或多個聲音的音頻剪輯；

以第一圖作為輸入來執(zhí)行第一圖卷積網(wǎng)絡(luò)；

以第二圖作為輸入來執(zhí)行第二圖卷積網(wǎng)絡(luò)；以及

使用第一圖卷積網(wǎng)絡(luò)和第二圖卷積網(wǎng)絡(luò)的輸出來確定一個或多個粗略標(biāo)簽、一個或多個精細(xì)標(biāo)簽、或二者，以對音頻剪輯中的一個或多個聲音進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述電子處理器被配置為確定一個或多個粗略標(biāo)簽、一個或多個精細(xì)標(biāo)簽或二者，以通過以下方式對音頻剪輯中的一個或多個聲音進(jìn)行分類

使用神經(jīng)網(wǎng)絡(luò)從音頻剪輯產(chǎn)生向量。

3.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中所述神經(jīng)網(wǎng)絡(luò)是卷積遞歸神經(jīng)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中以第一圖作為輸入來執(zhí)行第一圖卷積網(wǎng)絡(luò)的輸出是第一矩陣，并且所述電子處理器進(jìn)一步被配置為

將向量乘以第一矩陣，以產(chǎn)生被預(yù)測為與音頻剪輯相關(guān)聯(lián)的一個或多個精細(xì)標(biāo)簽。

5.根據(jù)權(quán)利要求4所述的系統(tǒng)，其中所述電子處理器被配置為

以被預(yù)測為與音頻剪輯相關(guān)聯(lián)的一個或多個精細(xì)標(biāo)簽作為輸入來執(zhí)行單層前饋神經(jīng)網(wǎng)絡(luò)，以產(chǎn)生與音頻剪輯相關(guān)聯(lián)的一個或多個預(yù)測的粗略標(biāo)簽。

6.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中以第二圖作為輸入來執(zhí)行第二圖卷積網(wǎng)絡(luò)的輸出是第二矩陣，并且所述電子處理器進(jìn)一步被配置為

將向量乘以第二矩陣，以產(chǎn)生被預(yù)測為與音頻剪輯相關(guān)聯(lián)的一個或多個粗略標(biāo)簽。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中所述電子處理器被配置為

以被預(yù)測為與音頻剪輯相關(guān)聯(lián)的一個或多個粗略標(biāo)簽作為輸入來執(zhí)行單層前饋神經(jīng)網(wǎng)絡(luò)，以產(chǎn)生與音頻剪輯相關(guān)聯(lián)的一個或多個預(yù)測的精細(xì)標(biāo)簽。

8.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述電子處理器被配置為使用多個標(biāo)記的音頻剪輯和定義聲音標(biāo)簽本體的一個或多個數(shù)據(jù)結(jié)構(gòu)來創(chuàng)建第一圖和第二圖。

9.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中包括在第一圖中的每個節(jié)點(diǎn)與精細(xì)標(biāo)簽相關(guān)聯(lián)，并且包括在第二圖中的每個節(jié)點(diǎn)與粗略標(biāo)簽相關(guān)聯(lián)，并且第一圖和第二圖二者中的邊關(guān)聯(lián)于與邊連接的節(jié)點(diǎn)相關(guān)聯(lián)的標(biāo)簽在音頻剪輯中共現(xiàn)的概率。

10.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述系統(tǒng)由從包括家庭監(jiān)視應(yīng)用、監(jiān)督應(yīng)用、自動車輛應(yīng)用和交通監(jiān)視應(yīng)用的組中選擇的至少一個使用。

11.一種用于本體感知的聲音分類的方法，該方法包括

基于精細(xì)音頻分類標(biāo)簽之間的關(guān)系而創(chuàng)建第一圖；

基于粗略音頻分類標(biāo)簽之間的關(guān)系而創(chuàng)建第二圖；

接收包括一個或多個聲音的音頻剪輯；

以第一圖作為輸入來執(zhí)行第一圖卷積網(wǎng)絡(luò)；

以第二圖作為輸入來執(zhí)行第二圖卷積網(wǎng)絡(luò)；以及

使用第一圖卷積網(wǎng)絡(luò)和第二圖卷積網(wǎng)絡(luò)的輸出來確定一個或多個粗略標(biāo)簽、一個或多個精細(xì)標(biāo)簽、或二者，以對音頻剪輯中的一個或多個聲音進(jìn)行分類。

12.根據(jù)權(quán)利要求11所述的方法，其中確定一個或多個粗略標(biāo)簽、一個或多個精細(xì)標(biāo)簽、或二者，以對音頻剪輯中的一個或多個聲音進(jìn)行分類包括

使用神經(jīng)網(wǎng)絡(luò)從音頻剪輯產(chǎn)生向量。

13.根據(jù)權(quán)利要求12所述的方法，其中所述神經(jīng)網(wǎng)絡(luò)是卷積遞歸神經(jīng)網(wǎng)絡(luò)。