基于 1-D CNN 的声景分类通过逐层降低维度
本文描述了布尔诺科技大学参加 DCASE-2018 挑战的任务 1(声景分类,ASC)提交作品。采用了两种不同的卷积神经网络拓扑结构,结合了 log mel-spectrogram 和 CQT 特征提取声音,以及一维 CNN 提取固定长度的 x 向量。多种系统输出采用简单的输出平均法,最优表现中我们的提交获得了 ASC 子任务 A(task1a)24 个团队中的第三名。
Oct, 2018
本文提出了一种基于卷积神经网络的双阶段系统来改善数据驱动声景分类的鲁棒性,通过探究不同的神经网络架构和数据扩充方案以及利用 class activation mapping 进行神经元显著性分析,该系统在 DCASE 2020 Task 1a 上达到了目前最高的准确率 81.9%。
Nov, 2020
本文研究了使用神经网络进行环境声音分类的三种不同类型的表示:谱图、MFCC 和嵌入式表示,并使用不同的 CNN 网络和自编码器来评估它们在分类准确度上的效果。我们发现使用谱图的分类准确度最高,而使用 MFCC 的准确度最低,同时提出了一些指导性的结论和方法来提高声音环境分类的准确度。
Apr, 2022
本文介绍了一种开发用于声音场景分类的低复杂度卷积神经网络的方法,其中通过余弦距离算法和 Fine-tuning 过程,将 CNNs 的卷积滤波器数量减少来缩小网络规模,从而提高运行效率并保持高准确性。
Mar, 2022
本文提出了一种低复杂度深度学习系统,通过两个阶段的教师 - 学生网络训练,从而实现声场分类问题的高精度解决,精度达到了 57.4% 并且比常规的 DCASE 基线提升了 14.5%。
May, 2023
本文提出了一种基于残差 - 插入结构网络的深度神经网络模型,实现了场景噪音的准确识别,并进行了模型细节及误差分析,提高了模型效果和性能,同时提出了一种可视化方法以全面展示场景上下文。
Oct, 2022
本文提出了一种改进基于 i-vectors 的音场识别方法和 CNN 模型,通过多通道 i-vector 提取和 CNN 模型结合的得分融合技术,取得了 DCASE-2016 挑战中音场识别任务的第一名,并展示了 i-vectors 和 CNN 模型各自在捕捉感知场景信息方面的优势以及它们所抓取的信息相互补充。
Jun, 2017
本文研究了音频领域中可扩展的分类模型,并使用两种不同的基于样本级的深度卷积神经网络模型实现。通过对各种声音类别的测试表明,这些模型达到了最先进的性能水平,并可视化了滤波器在网络中的变化。
Dec, 2017
本文介绍了使用几种不同的卷积神经网络对音频进行分类,发现在大型数据集上运用图像分类中的卷积神经网络架构对于音频分类也十分有效,使用嵌入分类器的模型对音频事件检测的任务表现优于对原始特征的直接使用。
Sep, 2016