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

本申请涉及信号处理技术领域，尤其涉及基于时序卷积网络的混合听诊信号分离方法及相关装置。背景技术：根据世界卫生组织发布的2018世界卫生统计报告显示心血管疾病是全球头号杀手，心血

• 卷积
• 归一化
• 卷积神经网络
• 特征提取
• 神经网络模型

查看详情

本发明涉及网络传播的音视频中暴恐音频的检测问题，尤其是涉及一种基于迁移学习的暴恐音频检测方法。背景技术：：：随着近年来互联网与电影行业的快速发展，网络上包含的音视频信息与日俱增

• 网络模型
• 学习迁移
• 网络结构
• 卷积

查看详情

本发明涉及音频隐写技术领域，尤其涉及基于卷积神经网络和领域对抗学习的音频隐写分析方法。背景技术：目前基于深度学习技术的音频隐写分析模型已在实验室条件下取得较高的检测性能。但在实

• 卷积
• 卷积神经网络
• 神经网络模型
• 深度学习
• 判别分析

查看详情

本发明涉及音频隐写技术领域，尤其涉及基于卷积神经网络和多任务学习的通用音频隐写分析方法。背景技术：目前基于深度学习技术的音频隐写分析模型已在实验室条件下取得较高的检测性能。但在

• 卷积
• 机器学习
• 卷积神经网络
• 神经网络算法
• 深度学习

查看详情

本发明涉及计算机音乐中音乐信息检索领域和计算机作曲领域，尤其涉及一种基于动机提取模型与神经网络的自动作曲方法。背景技术：基于神经网络的自动作曲一直是人工智能领域的一个研究热点，

• 机器学习
• 卷积
• 神经网络模型
• 动机理论
• 卷积神经网络

查看详情

本发明涉及语音转换技术领域，具体涉及一种基于解纠缠和解释性表征的跨语种语音转换方法及系统。背景技术：语音转换是语音信号处理领域的重要研究分支，是在语音合成和说话人识别的研究基础

• 卷积
• 归一化方法
• 网络模型
• 解码器
• 重构

查看详情

本发明属于声纹识别领域，具体涉及一种面向家居cnn分类与特征匹配联合的声纹识别方法。背景技术：声纹识别也称为说话人识别，包括说话人辨认和说话人确认。声纹识别应用领域十分广泛，包

• 聚类
• 声纹识别
• 傅里叶变换
• 卷积
• mfcc

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

本发明属于音频检测技术领域，尤其涉及一种合成音频检测方法、系统、移动终端及存储介质。背景技术：现代文本生成语音技术和声音转换技术的演进能够生成自然的说话声音,带来的问题就是对说

• 卷积
• 反卷积
• 网络模型
• 卷积神经网络
• 特征函数

查看详情