基于DenseNet全卷积神经网络的多声音事件检测

• 作者: 陈秋菊
• 来源期刊: 信息与电脑
• 关键词: 多声音事件检测 DenseNet 全卷积神经网络 深度学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 算法语言
• 页码范围: 28-32
• 页数: 5页
• 分类号: U495|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.06.010

摘要

针对多声音事件检测中可能出现多种相互重叠的声音事件,并且每种事件持续时间长度不一致的问题,笔者提出一种基于DenseNet全卷积神经网络的多声音事件检测模型.首先,将Mel能量谱输入DenseNet中提取高维特征;其次,对输出特征进行上采样,并采用全卷积神经网络(Fully Convolutional Cetwork,FCN)逐点相加融合特征,使其特征维度与输入片段一致;最后,采用多标签分类器逐帧对特征进行分类,并将每一帧声音事件序列与帧起止时刻进行计算.实验结果表明,该方法能够有效检测多声音事件中的各种声音事件.