基于嵌入式GPU的音频事件分类研究与实现

• 作者: 乔子凌 柳子涵 鲍志平 蔡希昌 董红霞 刘都鑫 刘子逸
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（22）
• 所属期刊栏目: 技术交流
• 页码范围: 200-201
• 页数: 2页
• 语种: 中文

摘要

近年来,基于深度学习的音频事件分类方法成为研究热点,但其嵌入式实现仍存在较多难点.论文由此出发,研究嵌入式GPU下的音频事件分类算法及软硬件实现.硬件上,采用环形麦克风阵列和Jetson Nano完成音频采集及音频分类处理.算法上,研究两张基于多重卷积神经网络块结合池化层的方法,并在卷积层后叠加BN层和RELU激活函数.软件上,实现Python下的音频采集、算法实现及指标输出.实验对比证明,论文提出的网络一和网络二的分类准确指标mAP的值为0.431/0.343、AUC的值为0.973/0.965、d-prime的值为2.732/2.568.指标值明显高于与谷歌提供的基线值,且网络一较为优化.