10.3969/j.issn.1007-130X.2019.04.021
基于残差网络和随机森林的音频识别方法
环境声音分类(ESC)是音频处理领域的重要分支之一,在未来多媒体应用中有重要的作用.音频识别是提取音频中特定的声学特性,将音频分类至样本对应的正确场景,有助于感知和理解周围环境.现阶段音频识别主要是通过信号处理技术和机器学习方法达成.随着人工智能飞速发展,传统的音频处理技术以及机器学习方法面临着巨大的挑战,ESC的识别准确性有待进一步提高.结合残差网络和随机森林两种方法,将一维时域信号的音频数据转换为二维数据形式的梅尔声谱图,预训练残差网络获得一个精度较高的网络模型作为特征提取器,利用该网络模型提取音频中的深层特征,再利用随机森林对深层特征进行分类.该方法在ESC任务上识别率提升了近10%,取得了较好的分类结果.
残差网络、随机森林、音频识别、梅尔声谱图
41
TP391.4(计算技术、计算机技术)
国家自然科学基金61273225
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
727-732