公开(公告)号：CN118366475A

公开(公告)日：2024-07-19

申请号：CN202410415397.4

申请日：2024-04-08

Applicant: 南京邮电大学 ,  南京龙垣信息科技有限公司

Inventor： 邵曦 ,  陈雯瑶 ,  丁卓 ,  张鹏程 ,  冯时 ,  肖遥 ,  沈星翰

IPC: G10L25/03 ,  G10L25/27 ,  G10L17/04 ,  G10L15/06 ,  G10L25/48

Abstract: 本发明公开了一种基于局部差异信息辅助的小样本类增量音频分类方法，本发明包括计算模块预训练阶段和分类器融合阶段，将音频分类数据集样本按照类别划分为基类、伪新类和新类，这三个类别互不重叠；所述计算模块预训练阶段为训练特征提取网络，基类分类器和小样本分类权重生成器；所述分类器融合阶段为：从基类中选取每个类别的代表性样本与新类样本混合得到混合样本，将基类分类器与新类分类器级联输入到知识保存模块中，基于混合样本训练知识保存模块，输出能够同时识别基类和新类的统一分类器。本发明改善了相似的新类与基类之间的混淆问题，提高了模型同时识别基类和新类的准确率。

公开(公告)号：CN119026083A

公开(公告)日：2024-11-26

申请号：CN202411159640.7

申请日：2024-08-22

Applicant: 南京邮电大学

Inventor： 邵曦 ,  冯时 ,  朱晨阳

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于双线性特征融合的无监督机器异常声检测方法，本发明属于机器异常声检测技术领域，对于工厂机器运转的音频环境，引入双线性特征融合方法与空间通道注意力机制提高对异常噪声特征的提取能力。在特征融合阶段，使用双线性特征融合方法对表征机器的特征进行融合，本方法将双线性池化概念引入无监督异常声音检测，相比常规串并联拼接的特征融合方法，通过双线性特征融合提升了对细微特征的识别能力；在双线性特征融合的基础上添加空间通道注意力机制，关注有效的细微特征信息；提高异常声音检测的准确度，提升了整体性能。