《计算机工程与科学杂志》发表论文赏析

基于特征融合与Transformer模型的声音事件定位与检测算法研究

来源:计算机工程与科学杂志2023年第6期北京时间:

作者:濮子俊, 张寿明

单位:昆明理工大学信息工程与自动化学院,云南 昆明 650500

摘要:针对多通道环境声音检测问题,提出了一种引入Transformer结构的特征融合网络模型TBCF-MTNN。该网络模型以对数梅尔谱和广义互相关谱作为输入,首先通过CNN和GRU获取谱的局部特征以及时间上下文关系特征,之后将2种特征图通过Cross-stitch模块进行融合,有效解决了传统网络中多特征信息无法共享的问题;然后,将融合后的特征图送入Transformer进行特征的再次采集;最终,通过全链接层输出分类和定位结果。在TAU-NIGENS 2020数据集上的实验结果表明,所提出的TBCF-MTNN网络在声音检测任务中的分类错误率能够减小至0.26;在声源定位任务中与Baseline相比较其定位误差减小至4.7°;通过和Baseline、FPN、EIN等模型相比较,结果表明所提网络具有更优的识别检测效果。

关键词:声音事件定位与检测,深度学习,Transformer模型,Cross-stitch;特征融合,

2023年6期其他文献查阅:

面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器

基于CAD几何模型的曲面流线可视分析方法

一种定制片上网络设计探索算法的设计与实现

基于WCOJ的UPF供电状态分析器的设计与实现

基于6U VPX主板的铝基均热板散热性能实验研究

基于匹配理论的LoRa参数双重匹配优化

面向公共递归DNS服务系统的测量与分析

基于Double-Bagging特征降维异质集成入侵检测

针对图像识别的一种分步对抗防御方法研究

一种改进Faster R-CNN的图像篡改检测模型

基于图神经网络的行人轨迹预测研究综述

基于多尺度特征提取的YOLOv5s算法优化

基于改进的YOLOv5的航拍图像中小目标检测算法

基于改进MobileNetV2的人脸表情识别

基于会话嵌入的应用程序使用预测

多层CNN特征融合及多分类器混合预测的多模态虚假信息检测#br#

基于特征融合与Transformer模型的声音事件定位与检测算法研究

基于谱图小波的多尺度社区搜索方法

基于神经网络的医疗文本分类研究

自适应变异蝴蝶优化算法

命题逻辑中一种矛盾体生成新方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!