基于正弦注意力表征网络的环境声音识别

摘要：

　　将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全连接层和Softmax分类器对环境声音类别进行判别.实验在公开数据集Urban Sound 8K上验证并与其他模型对比,结果表明所提出模型效果最好,在数据集上的识别率高达93.5％.

关键词： 环境声音识别 注意力机制 梅尔频率倒谱系数 门控循环单元 正弦注意力表征网络

作者: 彭宁 陈爱斌 周国雄 陈文洁 刘晶

作者单位: 中南林业科技大学人工智能应用研究所,湖南长沙410004;中南林业科技大学计算机与信息工程学院,湖南长沙410004 中南林业科技大学人工智能应用研究所,湖南长沙410004;中南林业科技大学智慧物流技术湖南省重点实验室,湖南长沙410004;中南林业科技大学计算机与信息工程学院,湖南长沙410004

会议类型: 国内会议

会议名称: CCF第35届中国计算机应用大会

会议地点: 湖北襄阳

会议语种:中文

页码: 641-649

在线出版日期: 2020-10-16（万方平台首次上网日期，不代表论文的发表时间）