本发明涉及语音识别技术领域，特别涉及一种应用于语种识别的。背景技术：21世纪以来，伴随着模式识别、人工智能等学科的快速发展，人类发展进入了智能化时代。语音识别作为人机交互领域的

• 神经网络模型
• 空间维度
• 残差网络
• 时间计算
• attention

查看详情

本发明属于声场景分类技术领域，具体涉及一种基于注意力机制和双路径深度残差网络的声场景分类方法。背景技术：声场景分类，就是训练计算机通过声音中所包含的信息将声音正确的划分到其所属

• 卷积
• 残差网络
• 网络模型
• 残差

查看详情

本发明属于声纹识别技术领域，尤其涉及一种基于残差网络及融合特征的说话人年龄性别分类方法。背景技术：随着深度神经网络应用于声纹识别领域，声纹识别技术取得了较大的突破，逐步应用于实

• mfcc
• 残差网络
• 特征提取
• 分类数据
• 数据融合

查看详情

本发明属于语音信号处理与模式识别领域，特别是一种基于残差网络的3dacrnn语音情感识别方法。背景技术：人工智能领域的不断发展使得人类与计算机的关系日益密切，情感计算更是其中一

• 机器学习
• 卷积
• 残差网络
• 情感识别
• 卷积神经网络

查看详情

本发明涉及人工智能领域，更具体的说，涉及一种全连接多尺度的残差网络及其进行声纹识别的方法。背景技术：在得益于深度学习的帮助，声纹识别技术得到了快速的发展。由于深度神经网络(de

• 卷积
• 声纹识别
• 残差网络
• 深度学习
• 卷积神经网络

查看详情