DenseNet结合空间通道注意力机制的环境声音分类

作者：董绍江; 刘伟^*

来源：重庆理工大学学报：自然科学, 2023, 37(11): 179-187.

• 环境声音分类
• 空间通道注意力机制
• 密集连接卷积网络
• 混合数据增强

音乐信息识别(MIR)和自动语音识别(ASR)都是以结构化声音为特点的声音识别，环境声音识别在声音识别领域的难度很大。为了充分利用从环境声中提取的Log-Mel谱图的空间特征与通道特征，提出了一种基于密集连接卷积网络(DenseNet)的空间通道注意力机制。使用DenseNet对Log-Mel谱图进行特征提取，引入空间通道注意力机制使网络更加关注显著特征；为了解决数据不足导致的过拟合问题，将混合数据增强的方法应用于Log-Mel谱图，从而保证了数据的多样性；在2个公共数据集(ESC-50和ESC-10)验证所提方法的有效性。结果表明：所提的空间通道注意力机制模型能够使神经网络对环境声音的识别率分别达到79.3%(ESC-50)和94.3%(ESC-10)。

• 单位
  重庆交通大学