本发明涉及语音检索技术领域，具体的说是指基于深度学习的语音关键信息标定方法。背景技术：语音作为关键的多媒体数据，在信息表达、存储、人机交互中有着重要作用。语音信号中包含着丰富的

• 特征向量
• 梯度下降
• 深度学习
• 卷积
• 机器学习

查看详情

本发明涉及一种多对多说话人转换方法，特别是涉及一种基于densenetstargan的多对多说话人转换方法。背景技术：语音转换是语音信号处理领域的重要研究分支，是在语音分析、合

• 深度学习
• 语义分析
• 损失函数
• 卷积
• 分类器

查看详情

本发明属于音源识别技术领域，具体涉及一种基于卷积模糊神经网络的音源识别方法。背景技术：音源识别技术是通过在音源样本中提取出表征音源产生对象生理特征的特征参数对音源进行识别的一项

• 卷积
• 机器学习
• 模糊神经网络
• 卷积神经网络
• 深度学习

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

本发明涉及一种用于将数字音频数据分类的方法，所述数字音频数据描述表征如例如在道路交通中出现的危险情形的声学信号。背景技术：：迄今为止在道路交通中还不存在具有特殊信号识别的系统，

• 数字音频
• 卷积
• 倍频程
• 深度学习
• 分类数据

查看详情

本发明涉及一种基于深度学习的语音增强方法及系统，属于语音处理技术领域。背景技术：传统语音增强需要对噪声信号和干净语音信号的独立性和特征分布做出假设，不合理的假设会造成噪声残留、

• dnn
• 神经网络
• 系统学习
• 预测模型
• 深度学习

查看详情

本发明涉及语音处理技术，具体的说是指基于深度学习的语音关键信息分离方法。背景技术：语音作为关键的多媒体数据，在信息表达、存储、人机交互中有着重要作用，语音信号中包含着丰富的信息

• 机器学习
• 卷积
• 深度学习
• 梯度下降
• 关键

查看详情

本发明涉及情感识别技术领域：，尤其涉及一种基于双通道语音转图像式情感识别方法。背景技术：：随着机器人技术的不断发展，机器人应用任务的不断增多，人机交互任务也日趋复杂，仅仅依靠被

• 情感识别
• 卷积神经网络
• 特征提取
• 神经网络模型
• 深度学习

查看详情

本发明涉及无人机系统技术领域：，具体涉及无人机传感器振动噪声抑制方法。背景技术：：近年来mems传感器(即微机电系统)技术的快速发展，mems惯性测量单元凭借体积小、响应迅速及

• 无人机
• 卷积
• 深度学习
• 噪声传感器
• 无人机飞控

查看详情

本申请涉及通信领域，尤其涉及一种说话人语音分离方法及相关设备。背景技术：在许多语音对话场景中，对话主角们往往都扮演着不同固定的角色。例如，在一次保险销售行业客户与客服交流中，客

• 特征向量
• 深度学习
• 特征提取
• 存储器

查看详情