1.一种基于CNN的语音深度哈希学习方法,其特征在于,包括:
对原始语音文件进行预处理,得到预处理后的原始语音文件;
提取所述预处理后的原始语音文件的语谱图特征;
将所述语谱图特征输入至改进后的卷积神经网络模型进行训练和深度哈希特征学习,得到原始语音文件的深度语义特征;
利用学习到的哈希函数对所述的深度语义特征进行深度哈希序列构造,得到代表所述原始语音文件的深度哈希二值码;
根据所述深度哈希二值码进行语音检索。
2.根据权利要求1所述的基于CNN的语音深度哈希学习方法,其特征在于,所述对原始语音文件进行预处理,得到预处理后的原始语音文件,具体包括:对原始语音文件进行重采样格式转换、幅值归一化、分帧和加窗处理操作,得到预处理后的原始语音文件。
3.根据权利要求1所述的基于CNN的语音深度哈希学习方法,其特征在于,所述提取所述预处理后的原始语音文件的语谱图特征,具体包括:将所述预处理后的原始语音文件进行快速傅里叶变换,得到频域信息;
将所述频域信息按时间序列进行拼接,生成语谱图特征。
4.根据权利要求1所述的基于CNN的语音深度哈希学习方法,其特征在于,所述改进后的卷积神经网络模型包括4个卷积层、4个池化层、2个批量归一化层和3个全连接层,第一卷积层包含32个卷积滤波器,核大小为3×3,数据输入为3通道的224×224大小的语谱图;所述第一卷积层后设置第一个池化层,所述第一池化层滤波器大小为2×2,采用默认步长1;
所述第一池化层后设置第二卷积层,所述第二卷积层包含64个卷积滤波器,核大小为3×3;
所述第二卷积层后设置第二池化层,所述第二池化层滤波器大小为2×2;所述第二池化层后加入第一批量归一化层;所述第一批量归一化层后设置第三卷积层,所述第三卷积层包含128个卷积滤波器,核大小为3×3,所述第三卷积层后面设置第三池化层,所述第三池化层与所述第二池化层相同;所述第三池化层后设置第四卷积层,所述第四卷积层后设置第四池化层,所述第四卷积层与所述第三卷积层相同,所述第四池化层和所述第三池化层相同,所述第四个池化层后加入第二批量归一化层;所述第二批量归一化层后连接一个FC全连接层,所述FC全连接层用于将提取的特征扁平;所述FC层之后连接哈希层,所述哈希层的节点数为目标哈希码的长度,所述哈希层用于得到语音数据的深度哈希二值码;在所述哈希层之后,设置一个节点数为语音样本类别数的输出层。
5.一种基于CNN的语音深度哈希学习系统,其特征在于,包括:
原始语音文件预处理模块,用于对所述原始语音文件进行预处理,得到预处理后的原始语音文件;
语谱图特征提取模块,用于提取所述预处理后的原始语音文件的语谱图特征;
深度语义特征提取模块,用于将所述语谱图特征输入至改进后的卷积神经网络模型进行训练和深度哈希特征学习,得到原始语音文件的深度语义特征;
深度哈希序列构造模块,用于利用学习到的哈希函数对所述的深度语义特征进行深度哈希序列构造,得到代表所述原始语音文件的深度哈希二值码;
语音检索模块,用于根据所述深度哈希二值码进行语音检索。
6.根据权利要求5所述的基于CNN的语音深度哈希学习系统,其特征在于,所述原始语音文件预处理模块,具体包括:原始语音文件预处理单元,用于对所述原始语音文件进行重采样格式转换、幅值归一化、分帧和加窗处理操作,得到预处理后的原始语音文件。
7.根据权利要求5所述的基于CNN的语音深度哈希学习系统,其特征在于,所述语谱图特征提取模块,具体包括:变换单元,用于将所述预处理后的原始语音文件进行快速傅里叶变换,得到频域信息;
拼接单元,用于将所述频域信息按时间序列进行拼接,生成语谱图特征。
8.根据权利要求5所述的基于CNN的语音深度哈希学习系统,其特征在于,所述改进后的卷积神经网络模型包括4个卷积层、4个池化层、2个批量归一化层和3个全连接层,第一卷积层包含32个卷积滤波器,核大小为3×3,数据输入为3通道的224×224大小的语谱图;所述第一卷积层后设置第一个池化层,所述第一池化层滤波器大小为2×2,采用默认步长1;
所述第一池化层后设置第二卷积层,所述第二卷积层包含64个卷积滤波器,核大小为3×3;
所述第二卷积层后设置第二池化层,所述第二池化层滤波器大小为2×2;所述第二池化层后加入第一批量归一化层;所述第一批量归一化层后设置第三卷积层,所述第三卷积层包含128个卷积滤波器,核大小为3×3,所述第三卷积层后面设置第三池化层,所述第三池化层与所述第二池化层相同;所述第三池化层后设置第四卷积层,所述第四卷积层后设置第四池化层,所述第四卷积层与所述第三卷积层相同,所述第四池化层和所述第三池化层相同,所述第四个池化层后加入第二批量归一化层;所述第二批量归一化层后连接一个FC全连接层,所述FC全连接层用于将提取的特征扁平;所述FC层之后连接哈希层,所述哈希层的节点数为目标哈希码的长度,所述哈希层用于得到语音数据的深度哈希二值码;在所述哈希层之后,设置一个节点数为语音样本类别数的输出层。