声学事件检测（Acoustic Event Detection,AED）广泛应用在机器的环境感知、多媒体信息检索等领域,是促进社会智能化发展的重要技术手段,具有重要的研究意义和实际应用价值。传统的声学事件检测方法主要基于传统机器学习算法,需要人工完成复杂的特征工程。此外,目前已知的声学事件检测数据集仍存在数据量不足,事件类别不平衡的问题,基于深度学习的声学事件检测方法仍旧没有达到理想的检测性能。本文针对上述的问题,首先提出空间-通道（spatial-channel）注意力机制,并结合相应的卷积神经网络（Convolutional Neural Network,CNN）来提取和声学事件更加有关的高层抽象特征,再结合循环神经网络（Recurrent Neural Network,RNN）构建最终的声学事件检测模型,完成最终的声学事件检测任务。针对声学事件检测任务和不同卷积神经网络的特点,本文选择对残差网络（Res Net）和密集卷积网络（Dense Net）模型以及牛津大学计算机视觉组提出的卷积网络（VGGNet）结合空间-通道注意力机制提出基于Att VGGNet-RNN、Att Res Net-RNN以及Att Dense Net-RNN检测模型的声学事件检测方法。实验结果表明,相比其他未结合空间-通道注意力机制的检测模型的检测方法,基于Att VGGNet-RNN、Att ResNet-RNN以及Att Dense Net-RNN检测模型的声学事件检测方法检测性能更优,其中基于Att Dense Net-RNN检测模型的声学事件检测方法检测性能最优。这也验证了本文提出的空间-通道注意力机制能够有效地提升声学事件检测性能。由于音频数据中同一时间上存在声学事件的重叠,采用胶囊网络（Capsule Network,Caps Net）完成声学事件检测,通过其路由机制让模型预测声学事件的存在与否,自发投票,能够更加有效地检测出事件的重叠。在此基础上,为了进一步提高声学事件检测性能,本文提出基于注意力胶囊网络的声学事件检测方法,将胶囊网络和注意力机制相结合提出Att Cpas Net模型,并在其后添加RNN构建Att Caps Net-RNN声学事件检测模型,完成最终的声学事件检测任务。与基于Att VGGNet-RNN、Att Res Net-RNN以及Att Dense Net-RNN检测模型的声学事件检测方法相比,基于Att Caps Net-RNN检测模型的声学事件检测方法取得了更优的检测性能,验证了基于注意力胶囊网络的声学事件检测方法能够有效地提升声学事件检测性能。