文献类型：期刊文章

作　　者：杨利平[1] 郝峻永[1] 辜小花[2] 侯振威[1]

YANG Liping;HAO Junyong;GU Xiaohua;HOU Zhenwei(Key Laboratory of Optoelectronic Technology and Systems(Chongqing University),Ministry of Education,Chongqing 400044,China;School of Electrical Engineering,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]重庆大学光电技术及系统教育部重点实验室,重庆400044 [2]重庆科技学院电气工程学院,重庆401331

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(61903054);重庆市自然科学基金(cstc2021jcyj-msxmX0478)。

年　　份：2022

卷　　号：44

期　　号：3

起止页码：1102-1110

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：级联卷积神经网络(CNN)结构和循环神经网络(RNN)结构的卷积循环神经网络(CRNN)及其改进是当前主流的声音事件检测模型。然而,以端到端方式训练的CRNN声音事件检测模型无法从功能上约束CNN和RNN结构的作用。针对这一问题,该文提出了音频标记一致性约束CRNN声音事件检测方法(ATCC-CRNN)。该方法在CRNN模型的声音事件分类网络中添加了CRNN音频标记分支,同时增加了CNN音频标记网络对CRNN网络CNN结构输出的特征图进行音频标记。然后,通过在模型训练阶段限定CNN和CRNN的音频标记预测结果一致使CRNN模型的CNN结构更关注音频标记任务,RNN结构更关注建立音频样本的帧间关系。从而使CRNN模型的CNN和RNN结构具备了不同的特征描述功能。该文在IEEE DCASE 2019国际竞赛家庭环境声音事件检测任务(任务4)的数据集上进行了实验。实验结果显示:提出的ATCC-CRNN方法显著提高了CRNN模型的声音事件检测性能,在验证集和评估集上的F1得分提高了3.7%以上。这表明提出的ATCC-CRNN方法促进了CRNN模型的功能划分,有效改善了CRNN声音事件检测模型的泛化能力。

关 键 词：声音事件检测  音频标记  深度学习  卷积循环神经网络  

分 类 号：TN912.3] TP391.4]