![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
国外文献泛读
文章平均质量分 57
风雪夜回
让每一件事变得有意义!
展开
-
Detection and Classification of Acoustic Scenes and Events Outcome of the DCASE 2016 Challenge
摘要公共评估活动和数据集促进了目标研究领域的积极发展,从而可以直接比较算法。第二届声学场景和事件检测和分类挑战(DCASE 2016)为发展最先进的方法提供了这样一个机会,并成功地吸引了大量的来自学术和工业背景的参与者。在本文中,我们报告了DCASE 2016挑战的任务和结果。挑战包括四个任务:声学场景分类,合成音频中的声音事件检测,真实音频中的声音事件检测以及家庭声音标记。我们详细介绍每项任务,...翻译 2018-06-27 10:14:12 · 1670 阅读 · 0 评论 -
Acoustic Event Classification using Graph Signals
摘要本文从频谱图生成图形信号,并根据图形信号作为特征对声学事件进行分类(AEC)。从RWCP的声场数据库中选择不同的声音事件。从NOISEX'92数据库中选择三种不同的噪声,并分别添加到不同噪声条件下的测试样本。比较使用提出的特征和梅尔频率倒谱系数(MFCC)分别在干净的和有噪声试验样本的声音事件的识别性能。在噪声条件下,所提出的特征显示出相对于MFCC的识别精度显着提高。索引术语-AEC,谱图特...翻译 2018-06-27 10:15:22 · 485 阅读 · 1 评论 -
A survey of Deep Learning for Polyphonic Sound event detection
摘要深度学习在计算机视觉,语音识别和自然语言处理等各种机器学习问题上取得了很好的成果。声音事件检测(SED)是关于识别真实环境中的音频事件的,近来引起了很多关注。在对SED问题应用深度学习技术时,许多工作都取得了成功,如2016-2017年声学场景与事件检测与分类(DCASE)挑战中所见。在本文中,我们将对SED问题进行回顾并讨论针对该问题的不同深度学习方法。介绍深度学习的发展 - 从大脑的结构和...翻译 2018-06-27 10:16:14 · 1622 阅读 · 1 评论 -
Environmental sound sources classification using neural networks
摘要噪音污染是世界上许多城市中心面临的最大的单一环境问题。目前用于监测声音的技术既不能为设计者和规划者提供足够的信息,也不能确定影响感知的许多声音参数。本研究的总体目标是为复杂城市环境的声学监测提供新的策略。本研究的具体目标是确定现有源的声音特征,以实现自动地声音源识别。本文报告了使用快速傅立叶变换来产生来自不同来源的声音的频谱数据,以使用神经网络进行分类。介绍城市环境中的噪声对居民的活动造成的干...翻译 2018-06-27 10:17:35 · 425 阅读 · 0 评论