声音事件检测的主要目的是检测出音频中声音事件对应的类别和起止时间。在某些特殊环境中,如黑暗、光照影响、视野盲区等,声音事件检测可以弥补仅依靠视觉检测方法的不足,大大提高检测可靠性,发挥其独特的优势。作为计算机听觉领域的热点问题,声音事件检测已经在智能家居、安全监控、智慧医疗、生物多样性监测等多个领域得到广泛应用,为人们带来了更便捷、更安全、更舒适的生活方式。声音事件检测的应用前景较为广阔,具有重要的研究意义与价值。在声音事件检测的研究中,主要存在以下两个难点:多种声音会在同一时刻同时发生,提高多音事件检测成为一项难题;在声音数据缺少起止时间标签的情况下,提高弱标签声音事件的检测性能成为另一项难题。本文针对以上两个难点,使用基于深度神经网络的方法,对声音事件检测展开研究,主要内容如下:（1）提出门控膨胀卷积胶囊网络模型,以提高多音事件检测性能。首先,为缓解胶囊网络中卷积层单一导致的特征提取不足问题,提出门控膨胀卷积结构进行深度特征提取。在门控膨胀卷积结构中,线性门控单元具有降低无关特征干扰的能力,膨胀卷积层可以获得具有长时上下文的时频信息,残差连接有效缓解梯度消失问题;其次,设计主胶囊层得到向量形式的胶囊特征,检测胶囊层作为分类结构,动态路由算法在主胶囊层和检测胶囊层之间学习部分与整体的关系,以更好地对声音重叠部分进行识别;最后,提出基于时频特征拼接的混合数据增强方法,提高模型的泛化能力。为了验证提出模型的有效性,在TUTSound Events 2017数据集上进行了相关实验。评估集上的结果表明:提出的网络模型与胶囊网络相比,ER下降19%,F1提升3.9%;与其它经典深度神经网络模型相比,获得了更低的ER与更高的F1,有效地提高了对多音事件的检测性能。（2）提出基于多尺度特征融合与注意力机制的卷积循环网络模型,以提高弱标签声音事件检测的性能。首先,提出多尺度注意力模块,融合基于时频特征的局部注意力与基于通道特征的全局注意力。在卷积过程中,实现对时频特征单元注意的同时,也实现对不同通道特征的注意。其次,提出一种多尺度特征融合方法,实现对不同卷积特征的融合,得到包含不同维度的多尺度特征图。然后,将多尺度特征输入双向门控循环模块,对时间依赖性进行建模;最后,全连接层对声音事件进行分类。除此之外,使用数据平衡技术,对少量样本进行数量扩充,进一步泛化模型。为了验证提出模型的有效性,在AudioSet子数据集上进行了相关实验。评估集上的结果表明:提出的网络模型与卷积循环网络相比,ER下降11%,F1提升8.3%;与同数据集上的其它方法相比也有一定竞争力,有效地提高了弱标签声音事件的检测性能。