嘉兴魄斯查特科技有限公司

本发明公开了一种基于自监督学习的宠物声音情绪识别方法及系统，包括如下步骤：获取待识别的原始宠物音频；将所述宠物叫声时域信号转换为时频域音频特征序列；将所述音频特征序列输入时序情绪识别层，采用自监督预训练骨干网络提取逐帧声学特征，经特征投影、局部时序感知、通道注意力重标定得到重标定时序特征；对重标定时序特征插入可学习全局聚合令牌并叠加位置编码得到序列表征；采用全局令牌引导‑局部增强的自适应融合策略，融合全局聚合令牌输出特征与全部有效帧的池化统计特征，得到音频级特征表示；将音频级特征表示输入分类投影层，输出至少十维宠物声音情绪状态概率分布。多维精细化情绪输出：输出至少 10 维宠物声音情绪概率分布。