DeepESC网络的环境声分类方法研究

• 作者: 王诗佳 赵力 阴法明
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 卷积神经网络 环境声分类 DeepID网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 信号处理和换能器
• 页码范围: 590-593
• 页数: 4页
• 分类号: TB52+9
• 字数: 3542字
• 语种: 中文
• DOI: 10.16300/j.cnki.1000-3630.2019.05.018

摘要

为进一步提升环境声分类的识别率,提出了一种仿深度隐藏身份特征(Deep Hidden Identity Feature,DeepID)网络连接方式的卷积神经网络——深度环境声分类网络(Deep Environment Sound Classification,DeepESC).DeepESC网络共有六层——三层卷积层、两层全连层以及一层聚合层,为使网络在自动抽取高层次特征的同时能有效地兼顾低层次特征,网络将三层卷积层的输出聚合为一层,该层充分包含不同层次的特征,提升了卷积神经网络的特征表达能力.ESC-10和ESC-50数据集上的仿真结果表明:在相同的识别框架下,与随机森林分类器相比,本文网络识别率分别平均提升了7.6％和22.4％,与传统的卷积神经网络相比,识别率分别平均提升4％和2％,仿真实验验证了本文分类器的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵力	东南大学信息科学与工程学院	308	3093	27.0	44.0
2	阴法明	南京信息职业技术学院通信学院	23	110	5.0	9.0
3	王诗佳	东南大学信息科学与工程学院	2	1	1.0	1.0