基于双重数据增强策略的音频分类方法

• 作者: 周迅 张晓龙
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 音频分类 双重数据增强 卷积神经网络 特征提取 随机森林 语谱图
• 年，卷（期）: 2020,（2）
• 页码范围: 155-160
• 页数: 6页
• 分类号: TP391.4
• 字数: 4439字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3644.2020.02.012

摘要

卷积神经网络模型作为音频特征提取器具有较好的应用效果,但该类模型的训练过程对数据量要求比较高.针对这一问题,本文提出一种基于双重数据增强策略的音频分类方法.首先采用传统音频数据增强方法(旋转、调音、变调、加噪),并将增强后的数据转化为语谱图,再采用随机均值替换法进行谱图增强.在此基础上训练Inception_Resnet_V2神经网络模型作为音频特征提取器,最后训练随机森林模型作为分类器完成音频分类任务.实验结果表明,与已有方法相比,采用双重数据增强策略可明显提升音频分类精度,并且训练出的特征提取模型具有较强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓龙	武汉科技大学计算机科学与技术学院	49	652	13.0	24.0
2	周迅	武汉科技大学计算机科学与技术学院	1	0	0.0	0.0