摘要
针对现有的声纹识别技术模型具有提取特征单一、泛化能力不强等局限性,提出了一种融合注意力机制的Res2Net-LSTM声纹识别方法.通过采用Res2Net和LSTM分别提取空间特征和时序特征,增强模型收敛速度与精度,并融合注意力机制,对特征权重进行调整,通过关注重点区域,提高分类性能.在公开的Voxceleb1数据集上进行验证,实验结果表明,相较于ResNet-LSTM、Res2Net-LSTM准确率分别提升了10.4%,10.5%,验证了该方法具有更好的性能.
基金项目
中央高校基本科研业务费专项(2022TJJBKY026)
中央高校基本科研业务费专项(2022TJJBKY009)
NETL
NSTL
万方数据