DD-CNN：用于低复杂度声学场景分类的深度可分离Disout卷积神经网络
声音
2020-07-28 v1 机器学习
音频与语音处理
摘要
本文提出一种用于城市声学场景检测与分类的深度可分离Disout卷积神经网络（Depthwise Disout Convolutional Neural Network, DD-CNN）。具体而言，我们使用对数梅尔谱作为声学信号的特征表示，作为网络的输入。在所提出的DD-CNN中，深度可分离卷积用于降低网络复杂度。此外，SpecAugment和Disout被用于进一步提升性能。实验结果表明，我们的DD-CNN能够从音频片段中学习具有判别力的声学特征，并有效降低网络复杂度。我们的DD-CNN用于DCASE2020挑战赛的低复杂度声学场景分类任务，在验证集上达到了92.04%的准确率。
引用
@article{arxiv.2007.12864,
title = {DD-CNN: Depthwise Disout Convolutional Neural Network for Low-complexity Acoustic Scene Classification},
author = {Jingqiao Zhao and Zhen-Hua Feng and Qiuqiang Kong and Xiaoning Song and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:2007.12864},
year = {2020}
}