N-DenseNet的城市声音事件分类模型

• 作者: 刘晨 张威 曹毅 李巍 黄子龙
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2019,（6）
• 页码范围: 9-16,94
• 页数: 9页
• 分类号: TP391.42
• 字数: 5459字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.06.002

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.