買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜廣州大學;廣東省生態環境監測中心申請的專利一種基于噪聲事件檢測模型的檢測方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117131415B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311013617.2，技術領域涉及：G06F18/241；該發明授權一種基于噪聲事件檢測模型的檢測方法、裝置及存儲介質是由陳慶春;周棣鋒;伍世豐;吳科毅;黃國鋒;劉勇;劉軍;周炳朋;廖彤;鄭蕾;陳多宏;陳耿林;張承云;林子鋒設計研發完成，并于2023-08-11向國家知識產權局提交的專利申請。

本一種基于噪聲事件檢測模型的檢測方法、裝置及存儲介質在說明書摘要公布了：本發明公開了一種基于噪聲事件檢測模型的檢測方法、裝置及存儲介質，方法包括：將噪聲監測數據輸入到噪聲事件檢測模型中，生成預測結果；其中，噪聲事件檢測模型由對初始模型進行聯合強弱監督訓練而來；初始模型由訓練數據對預訓練神經網絡進行預訓練后，將預訓練神經網絡中的預設參數遷移而來；預測結果包括：第一標簽概率和第二標簽概率；若預測結果的第二標簽概率高于閾值，則將噪聲監測數據保存到噪聲數據庫，并重新對噪聲事件檢測模型進行訓練；若否，則輸出預測結果，利用深度學習預訓練神經網絡參數進行遷移學習獲得噪聲事件檢測模型，并通過實地數據對噪聲事件檢測模型進行不斷的訓練和參數的更新，提高噪聲事件檢測的精度和效率。

本發明授權一種基于噪聲事件檢測模型的檢測方法、裝置及存儲介質在權利要求書中公布了：1.一種基于噪聲事件檢測模型的檢測方法，其特征在于，包括：將獲取的噪聲監測數據輸入到噪聲事件檢測模型中，生成模型預測結果；其中，所述噪聲事件檢測模型由對第一初始噪聲事件檢測模型進行聯合強弱監督訓練而來；所述第一初始噪聲事件檢測模型由訓練數據對預訓練神經網絡進行預訓練后，將所述預訓練神經網絡中的預設參數遷移至第二初始噪聲事件檢測模型而來；所述訓練數據是公開通用的音頻數據集；所述模型預測結果包括：所述噪聲監測數據的第一標簽概率和第二標簽概率；所述第一初始噪聲事件檢測模型由訓練數據對預訓練神經網絡進行預訓練后，將所述預訓練神經網絡中的預設參數遷移至第二初始噪聲事件檢測模型而來，具體為：獲取訓練數據對預訓練神經網絡進行預訓練，更新所述預訓練神經網絡的參數；獲取更新后的預訓練神經網絡的特征編碼層參數，將所述特征編碼層參數遷移到第二初始噪聲事件檢測模型中，對所述第二初始噪聲事件檢測模型的特征編碼層參數進行賦值，獲得第一初始噪聲事件檢測模型；根據所述模型預測結果，判斷所述第二標簽概率是否高于第一閾值；若是，則將所述噪聲監測數據保存到噪聲數據庫進行數據更新，并根據數據更新后的噪聲數據庫對所述噪聲事件檢測模型進行聯合強弱監督訓練；若否，則輸出所述模型預測結果；所述根據數據更新后的噪聲數據庫對所述噪聲事件檢測模型進行聯合強弱監督訓練，具體為：獲取數據更新后的噪聲數據庫的噪聲數據，對所述噪聲數據進行歸一化；對歸一化的噪聲數據進行數據增強，獲得增強音頻數據；獲取所述增強音頻數據的音頻事件，對具有起始時間和結束時間的標注的音頻事件對應的增強音頻數據構造第一標簽；對沒有起始時間和結束時間的標注且有段級別的標簽的音頻事件對應的增強音頻數據構造第二標簽；將帶有第一標簽或者第二標簽的增強音頻數據輸入噪聲事件檢測模型中，輸出識別結果，并計算所述識別結果的總體損失；根據所述總體損失對噪聲事件檢測模型的參數進行梯度更新，更新噪聲事件檢測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣州大學;廣東省生態環境監測中心，其通訊地址為：510006 廣東省廣州市番禺廣州大學城外環西路230號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。