关键词检测方法、装置、设备和存储介质制造方法及图纸

本申请涉及人工智能领域，揭示了关键词检测方法，关键词检测网络包括并行连接的第一全连接层和第二全连接层，方法包括：获取当前用户输入的待检测语音语句；提取待检测语音语句对应的语音特征参数；将语音特征参数输入关键词检测网络；判断第一全连接层输出的第一概率是否高于预设概率阈值，第一概率为当前用户身份识别对应的概率；若是，根据第二全连接层输出的第二概率，确定待检测语音语句的关键词，第二概率为关键词识别对应的概率。通过设定两个不同损失函数分别约束不同全连接层对应的任务通道，实现多任务在同一个网络模型中运行，共享计算，对设备内存要求低、降低计算时间和电池耗电量的效果。

【技术实现步骤摘要】
关键词检测方法、装置、设备和存储介质
本申请涉及人工智能领域，特别是涉及到关键词检测方法、装置、设备和存储介质。
技术介绍
随着人工智能技术的发展，越来越多的智能设备上配置智能语音助手功能，实现用户和机器的语音对话。传统方法上，语音智能助手仅为关键词检测系统，满足任何用户与机器的对话，无需对用户身份特征进行识别。即便是有特殊要求进行用户身份识别的系统，也多通过另外训练一模型，比如声纹识别模型，即关键词检测和说话人识别任务需分别进行建模处理，增大了模型计算量和反馈延迟，且不适合同时部署于小型的智能设备上。
技术实现思路
本申请的主要目的为提供关键词检测方法，旨在解决现有关键词检测和说话人识别任务不能通过一个模型实现，导致计算量大、反馈延迟的技术问题。本申请提出一种关键词检测方法，关键词检测网络包括并行连接的第一全连接层和第二全连接层，方法包括：获取当前用户输入的待检测语音语句；提取所述待检测语音语句对应的语音特征参数；将所述语音特征参数输入所述关键词检测网络；判断所述第一全连接层输出的第一概率是否高于预设概率阈值，其中，所述第一概率为所述当前用户身份识别对应的概率；若是，根据所述第二全连接层输出的第二概率，确定所述待检测语音语句的关键词，其中，所述第二概率为关键词识别对应的概率。优选地，所述判断所述第一全连接层输出的第一概率是否高于预设概率阈值的步骤，包括：根据指定计算方式计算所述当前用户为目标用户的概率，其中，所述指定计算方式为P(Su|X)＝1-P(Se|X)，P(Su|X)表示所述当前用户为所述目标用户的概率，P(Se|X)表示所述当前用户不是所述目标用户的概率；将所述当前用户为所述目标用户的概率P(Su|X)，作为所述第一概率；判断所述P(Su|X)是否高于预设概率阈值；若是，则判定所述第一全连接层输出的第一概率高于所述预设概率阈值。优选地，所述关键词检测网络中所述第一全连接层对应第一任务的输出通道，所述第二全连接层对应第二任务的输出通道，所述获取当前用户输入的待检测语音语句的步骤之前，包括：将各训练数据分别对应的语音特征参数，输入至所述关键词检测网络中进行训练；实时获取所述第一任务对应的第一损失函数的函数值，以及所述第二任务对应的第二损失函数的函数值；根据所述第一损失函数的函数值和所述第二损失函数的函数值的数值关系，实时调整所述第一损失函数和所述第二损失函数在总损失函数中分别对应的损失权重；判断所述总损失函数是否达到预设条件；若是，则判定完成对所述关键词检测网络的训练，并固定所述关键词检测网络的参数。优选地，所述实时获取所述第一任务对应的第一损失函数的函数值，以及所述第二任务对应的第二损失函数的函数值的步骤，包括：获取所述第一任务对应的sigmoid函数的当前预测值，以及预设的第一真实值，获取所述第二任务对应的softmax函数的当前预测值，以及预设的第二真实值；根据所述sigmoid函数的当前预测值，以及预设的第一真实值，计算所述第一损失函数值，根据所述softmax函数的当前预测值，以及预设的第二真实值，计算所述第二损失函数值。优选地，所述根据所述第一损失函数的函数值和所述第二损失函数的函数值的数值关系，实时调整所述第一损失函数和所述第二损失函数在总损失函数中分别对应的损失权重的步骤，包括：计算所述第一损失函数的函数值和所述第二损失函数的函数值的差值；判断所述差值是否大于零；若是，则增大所述第一损失函数在总损失函数中对应的第一损失权重，减小所述第二损失函数在总损失函数中对应的第二损失权重。优选地，所述判断所述总损失函数是否达到预设条件的步骤之前，包括：获取当前时刻对应的第一任务的第一训练准确度，以及与所述当前时刻相邻的前一时刻对应的第一任务的第二训练准确度；根据所述第一训练准确度和所述第二训练准确度，计算所述第一任务当前时刻对应的平均训练精准度；根据所述平均训练精准度，根据指定函数计算所述第一任务的损失权重，其中，所述指定函数为λj(i)＝-(1-kj(i))log(kj(i))，kj(i)表示训练第i轮时第j个任务的平均训练精准度；根据所述第一任务的损失权重的计算方式，计算所述第二任务的损失权重；根据所述第一任务的损失权重、所述第一损失函数、所述第二任务的损失权重以及所述第二损失函数，得到所述总损失函数。优选地，接收所述待检测语音语句的终端为智能设备，所述根据所述第二全连接层输出的第二概率，确定所述待检测语音语句的关键词的步骤之后，包括：获取所述关键词对应的操控指令信息，其中，所述操控指令信息包括所述操控指令的运行链接；根据所述运行链接在所述智能设备上运行所述操控指令，得到运行结果；将所述运行结果反馈至所述智能设备的显示终端。本申请还提供了一种关键词检测装置，所述装置部署关键词检测网络，所述关键词检测网络包括并行连接的第一全连接层和第二全连接层，装置包括：第一获取模块，用于获取当前用户输入的待检测语音语句；提取模块，用于提取所述待检测语音语句对应的语音特征参数；第一输入模块，用于将所述语音特征参数输入所述关键词检测网络；第一判断模块，用于判断所述第一全连接层输出的第一概率是否高于预设概率阈值，其中，所述第一概率为所述当前用户身份识别对应的概率；确定模块，用于若高于预设概率阈值，根据所述第二全连接层输出的第二概率，确定所述待检测语音语句的关键词，其中，所述第二概率为关键词识别对应的概率。本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。本申请通过设定两个不同损失函数分别约束不同全连接层对应的任务通道，实现多任务在同一个网络模型中运行，共享计算，从而达到对设备内存要求低、降低计算时间和电池耗电量的效果，满足降低模型计算量和反馈延迟，满足嵌入设备对模型参数量小的要求，适合部署于小型的智能设备上。附图说明图1本申请一实施例的关键词检测方法流程示意图；图2本申请一实施例的关键词检测装置结构示意图；图3本申请一实施例的计算机设备内部结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。参照图1，本申请一实施例的关键词检测方法，关键词检测网络包括并行连接的第一全连接层和第二全连接层，方法包括：S1：获取当前用户输入的待检测语音语句；S2：提取所述待检测语音语句对应的语音特征参数；...

【技术保护点】
1.一种关键词检测方法，其特征在于，关键词检测网络包括并行连接的第一全连接层和第二全连接层，方法包括：/n获取当前用户输入的待检测语音语句；/n提取所述待检测语音语句对应的语音特征参数；/n将所述语音特征参数输入所述关键词检测网络；/n判断所述第一全连接层输出的第一概率是否高于预设概率阈值，其中，所述第一概率为所述当前用户身份识别对应的概率；/n若是，根据所述第二全连接层输出的第二概率，确定所述待检测语音语句的关键词，其中，所述第二概率为关键词识别对应的概率。/n

【技术特征摘要】
1.一种关键词检测方法，其特征在于，关键词检测网络包括并行连接的第一全连接层和第二全连接层，方法包括：
获取当前用户输入的待检测语音语句；
提取所述待检测语音语句对应的语音特征参数；
将所述语音特征参数输入所述关键词检测网络；
判断所述第一全连接层输出的第一概率是否高于预设概率阈值，其中，所述第一概率为所述当前用户身份识别对应的概率；
若是，根据所述第二全连接层输出的第二概率，确定所述待检测语音语句的关键词，其中，所述第二概率为关键词识别对应的概率。


2.根据权利要求1所述的关键词检测方法，其特征在于，所述判断所述第一全连接层输出的第一概率是否高于预设概率阈值的步骤，包括：
根据指定计算方式计算所述当前用户为目标用户的概率，其中，所述指定计算方式为P(Su|X)＝1-P(Se|X)，P(Su|X)表示所述当前用户为所述目标用户的概率，P(Se|X)表示所述当前用户不是所述目标用户的概率；
将所述当前用户为所述目标用户的概率P(Su|X)，作为所述第一概率；
判断所述P(Su|X)是否高于预设概率阈值；
若是，则判定所述第一全连接层输出的第一概率高于所述预设概率阈值。


3.根据权利要求1所述的关键词检测方法，其特征在于，所述关键词检测网络中所述第一全连接层对应第一任务的输出通道，所述第二全连接层对应第二任务的输出通道，所述获取当前用户输入的待检测语音语句的步骤之前，包括：
将各训练数据分别对应的语音特征参数，输入至所述关键词检测网络中进行训练；
实时获取所述第一任务对应的第一损失函数的函数值，以及所述第二任务对应的第二损失函数的函数值；
根据所述第一损失函数的函数值和所述第二损失函数的函数值的数值关系，实时调整所述第一损失函数和所述第二损失函数在总损失函数中分别对应的损失权重；
判断所述总损失函数是否达到预设条件；
若是，则判定完成对所述关键词检测网络的训练，并固定所述关键词检测网络的参数。


4.根据权利要求3所述的关键词检测方法，其特征在于，所述实时获取所述第一任务对应的第一损失函数的函数值，以及所述第二任务对应的第二损失函数的函数值的步骤，包括：
获取所述第一任务对应的sigmoid函数的当前预测值，以及预设的第一真实值，获取所述第二任务对应的softmax函数的当前预测值，以及预设的第二真实值；
根据所述sigmoid函数的当前预测值，以及预设的第一真实值，计算所述第一损失函数值，根据所述softmax函数的当前预测值，以及预设的第二真实值，计算所述第二损失函数值。


5.根据权利要求3所述的关键词检测方法，其特征在于，所述根据所述第一损失函数的函数值和所述第二损失函数的函数值的数值关系，实时调整所述第...

【专利技术属性】
技术研发人员：刘博卿，王健宗，张之勇，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44