基于注意力的卷积循环神经网络用于环境声音分类
声音
2019-07-05 v1 机器学习
音频与语音处理
摘要
环境声音分类（ESC）由于声音的复杂性而是一个具挑战性的问题。ESC性能严重依赖于从环境声音中提取的代表性特征的有效性。然而，ESC常受语义无关帧和静音帧的困扰。为此，我们采用帧级注意力模型以聚焦于语义相关帧和显著帧。具体而言，我们首先提出一种卷积循环神经网络来学习谱时特征和时序相关性。然后，我们用帧级注意力机制扩展我们的卷积RNN模型，以学习用于ESC的判别性特征表示。实验在ESC-50和ESC-10数据集上进行。实验结果证明了所提方法的有效性，并在分类准确率方面取得了最先进的性能。
引用
@article{arxiv.1907.02230,
title = {Attention based Convolutional Recurrent Neural Network for Environmental Sound Classification},
author = {Zhichao Zhang and Shugong Xu and Tianhao Qiao and Shunqing Zhang and Shan Cao},
journal= {arXiv preprint arXiv:1907.02230},
year = {2019}
}
备注
Accepted to Chinese Conference on Pattern Recognition and Computer Vision (PRCV) 2019