声音在人们与环境的交互中起着至关重要的作用,环境声音分类由于其在道路监控系统、智能家居与情感感知等领域的应用而成为一个重......

针对环境声音分类(ESC),提出了一种基于多分辨率特征和时频注意力的卷积神经网络环境声音分类方法.首先,相较单一分辨率的谱图,多......

为了对环境声音进行更好的识别和分类,提出了基于多级残差网络(Multilevel residual network,Mul-EnvResNet)的环境声音分类方法。......

环境声音分类和声纹辨识均属于音频信息处理范畴。环境声音分类是应用信号处理、计算机及人工智能等技术对特定环境声音信号进行分......

卷积神经网络(CNN)辨别频域-时域模式的能力使其适合于环境声音分类。然而数据的相对稀缺使该方法的应用受限。所以使用数据增强与......

声目标识别是声音信号处理领域的热点研究课题,致力于通过分析声音信号中所包含的复杂特征,识别其中包含的语义信息,最终实现声目......

城市环境声音的自动分类,已经成为城市信息化进程中的一个关键点,是指通过计算机自动化的分类手段,针对不同的城市环境声音,如自然......

针对传统卷积神经网络在环境声音分类中泛化能力不足且准确率不高的问题,提出了一个新的将CNN和LightGBM融合的环境声音分类模型。......