买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉兰州大学申请的专利基于深度学习的音频自动标签方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120877768B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510729416.5，技术领域涉及：G10L25/24；该发明授权基于深度学习的音频自动标签方法及系统是由刘忻;张馨月;孙敬儒;董钊辰;李涛设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本基于深度学习的音频自动标签方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的音频自动标签方法及系统，涉及音频信号处理及深度学习领域，基于深度学习的音频自动标签方法主要包括：对输入音频进行预处理得到三通道梅尔频谱图；利用人工智能开发工具构建多层卷积神经网络；对三通道梅尔频谱图进行数据增强处理得到增强数据；利用增强数据对多层卷积神经网络进行训练和优化得到预训练模型；基于测试时增强策略，利用预训练模型对输入音频图像进行预测得到音频标签集合。实施本发明提供的基于深度学习的音频自动标签方法及系统，能提高音频标签预测的实时性、准确性和鲁棒性。

本发明授权基于深度学习的音频自动标签方法及系统在权利要求书中公布了：1.一种基于深度学习的音频自动标签方法，其特征在于，包括以下步骤： S1：对输入音频进行预处理，得到三通道梅尔频谱图； S2：利用人工智能开发工具构建多层卷积神经网络； 所述多层卷积神经网络包括：依次连接的第一卷积块、第二卷积块、第三卷积块、第四卷积块、全局特征聚合模块和全连接层映射模块；所述第一卷积块、第二卷积块、第三卷积块、第四卷积块均包括：第一3×3卷积层、批归一化和ReLU激活层、第二3×3卷积层、第二批归一化和ReLU激活层、平均池化下采样；所述第一卷积块的输入通道数为64，所述第二卷积块的输入通道数为128；所述第三卷积块的输入通道数为256；所述第四卷积块的输入通道数为512； 所述全局特征聚合模块用于利用跨维度的平均值和最大值操作对高层特征图进行特征聚合以生成紧凑的特征向量；所述跨维度的平均值和最大值操作包括：对高层特征图沿特定空间维度先求均值，再利用最大值函数选择显著特征； 所述全连接层映射模块用于，根据聚合后的紧凑的特征向量，利用Dropout层降低过拟合风险，利用第一Dense层将512维的特征映射至中间表示；利用PReLU激活和BatchNorm操作稳定非线性特征，利用第二Dense层输出与类别数相等的维度，实现多标签分类任务； S3：对所述三通道梅尔频谱图进行数据增强处理，得到增强数据；具体包括： 对所述三通道梅尔频谱图进行随机水平翻转、随机裁剪和局部区域变化操作，得到训练阶段动态增强数据； 对所述三通道梅尔频谱图进行多尺度裁剪与翻转集成处理，得到推理阶段测试时增强数据；具体包括：对同一音频生成15次随机裁剪和水平翻转的频谱图，每次生成独立的输入样本，每次裁剪操作与训练阶段一致，水平翻转概率保持50%；预测结果融合：对15次增强后的频谱图分别输入模型，得到预测概率分布，通过算术平均集成所有预测结果，提升最终输出的稳定性和准确性； 根据所述训练阶段动态增强数据和所述推理阶段测试时增强数据，进行图像归一化与通道变换，得到增强后的图像； 对所述增强后的图像进行数据类型转换，得到增强数据； S4：利用所述增强数据对所述多层卷积神经网络进行训练和优化，得到预训练模型； S5：基于测试时增强策略，利用所述预训练模型对输入音频图像进行预测，得到音频标签集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。