声学场景分类相关论文
针对现有频谱分离方法进行声学场景分类研究时其分类准确率不高的问题,提出了一种基于梅尔频谱分离和长距离自校正卷积神经网络(lo......
声音信号中包含着大量关于人们生活环境的信息。随着互联网上音频数据的日益增多,以及人们对智能设备依赖程度的增加,迫切希望机器......
随着智能语音技术的快速发展和人工智能相关应用的兴起,声学场景分类(Acoustic Scene Classification,ASC)已逐渐被应用到人们的日......
声学场景分类可以将在公共区域中录制的录音识别为若干预定义声学场景类别之一,比如确定录音音频发生在“公园”,“步行街”或“地......
声学场景分类任务是将输入的音频分类成一个预先定义的声学场景的类,其目的是通过机器来模拟人类分辨声学场景的能力。目前声学场......
声音信号在生活中无处不在,人们一直在尝试着合理地将其利用。随着深度学习技术的发展,声音信号处理的能力在不断提高,给人们的生......
声学场景分类是计算机听觉领域的热点方向之一,相比计算机视觉,特定场景下音频数据的收集和标注成本相对较高,如何利用有限的声学......
声学场景分类(Acoustic Scenes Classification,ASC)和声音事件检测(Sound Event Detection,SED)是多媒体分析与检索、音频监控、......
声学场景分类(Acoustic scene classification,ASC)使机器通过音频自动识别周围环境,得到了研究者的广泛关注。声学场景分类可应用......
声学场景分类是计算机听觉中最难的任务之一,在单一特征条件下采用基本的卷积神经网络相对于传统的分类方法精度已经有所提升,但是......
针对DCASE2017挑战赛的声场环境数据集,提取梅尔频率倒谱系数(MFCC)、短时能量(SE)、声学事件似然特征(AELF)、静音时间(MT)特征,......
