基于卷積神經(jīng)網(wǎng)絡的聲學場景分類算法研究
作者：趙薇; 黃敬雯; 靳聰; 徐陳緣 中國傳媒大學信息與通信工程學院; 北京100024
摘要：聲學場景中包含著很多長時特征和短時特征。本文提取環(huán)境聲的能量信息,批量生成聲音場景的三維語譜圖,作為卷積神經(jīng)網(wǎng)絡的輸入。神經(jīng)網(wǎng)絡采用卷積層和下采樣層重復交疊,整體網(wǎng)絡采用六層網(wǎng)絡結構,最終經(jīng)過softmax方法進行多分類。實驗采用DCASE2017競賽數(shù)據(jù)集作為素材,對15類6300段音頻進行訓練測試,結果表明,語譜圖特征與卷積神經(jīng)網(wǎng)絡相結合的算法能夠很好的提取長時特征和短時特征,使得最終分類準確率較高,優(yōu)于網(wǎng)站基線系統(tǒng)的分類結果。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
中國傳媒大學學報雜志
中國傳媒大學學報雜志， 雙月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創(chuàng)新性，刊載內(nèi)容涉及的欄目：會訊、學術理論、技術應用、技術管理、教學研究、研究通訊等。于1994年經(jīng)新聞總署批準的正規(guī)刊物。
- 部級期刊
- 1個月內(nèi)審核
