基于改进卷积神经网络与动态衰减学习率的环境声音识别算法

作     者：冯陈定 李少波 姚勇 杨静 FENG Chen-ding;LI Shao-bo;YAO Yong;YANG Jing

作者机构：贵州大学机械工程学院 贵州省公共大数据重点实验室贵阳550025 

基　　金：国家自然科学基金(51475097 91746116) 贵州大学面向智能装备领域的"技术众筹"研究生创新基地项目(JSZC001)资助 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2019年第19卷第1期

页      码：177-182页

摘      要：环境声音识别在音频检索、监控方面有着广泛的应用,是听觉识别任务中的一个热门研究领域。但由于声音信号的复杂多变,使得该任务在识别率提升方面依然面临许多挑战。针对这一问题提出了基于改进卷积神经网络的环境识别模型(S-CNN),该模型采用反复堆叠的递减型卷积核提取不同尺度的局部特征,并在每层卷积层后采用batch normalization(BN)层对特征进行归一化操作。同时,利用动态衰减的学习率训练模型,以提高模型收敛速度与收敛稳定性。实验结果表明,相比于传统的机器学习与卷积神经网络模型,本文所设计的改进卷积神经网络模型S-CNN具有更好的识别率。在ESC-10环境声音数据库上,识别精度达到91. 3%。

主 题 词：环境声音识别 特征提取 卷积神经网络 深度学习 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1671-1815.2019.01.028

馆 藏 号：203428941...