| N-DenseNet的城市声音事件分类模型 |
| |
| 作者姓名： | 曹毅 黄子龙 张威 刘晨 李巍 |
| |
| 作者单位： | 1. 江南大学机械工程学院,江苏 无锡 2141222. 江苏省食品先进制造装备技术重点实验室,江苏 无锡 2141223. 苏州工业职业技术学院,江苏 苏州 215104 |
| |
| 基金项目： | 江苏省“六大人才高峰”计划(ZBZZ-012);高等学校学科创新引智计划(B18027);江苏省研究生创新计划(KYCX18_0630);江苏省研究生创新计划(KYCX18_1846);江南大学研究生科研与实践创新计划(JNKY19_048);江南大学研究生科研与实践创新计划(JNSJ19_005) |
| |
| 摘 要： | 针对城市声音事件分类领域中现有模型分类准确率不高、泛化能力不强的问题,提出了一种N阶密集卷积神经网络的城市声音事件分类模型。首先,介绍了密集卷积神经网络的结构;其次,基于N阶马尔可夫模型将密集连接改进为N阶有关连接;然后,结合两者提出了一种更适合音频分类的模型——N阶密集卷积神经网络。该模型在避免梯度消失的前提下, 有针对性、规律性减少了特征图层之间的连接,更高效地融合了前N特征图层的信息,使得模型的收敛速度更快;最后,为了验证该模型,采用N阶密集卷积神经网络的一阶、二阶子模型,基于UrbanSound8K和Dcase2016数据集开展了城市声音事件分类研究。研究结果表明,其模型准确率分别为83.63%、81.03%,验证了该模型具有良好的分类准确率和泛化能力。
|
| 关 键 词： | 声音事件分类 密集卷积神经网络 N阶马尔可夫模型 N阶密集卷积神经网络 |
| 收稿时间： | 2019-05-15 |
|
| 点击此处可从《西安电子科技大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《西安电子科技大学学报(自然科学版)》下载全文 |
|
