典型文献
基于自注意力路由胶囊网络的多音事件检测
文献摘要：
声音事件检测是目前计算机听觉领域中的重要问题,而多声音事件检测是其中一个极具挑战性的研究热点.基于最新提出的非迭代的自注意力路由方法和胶囊网络,本文提出了一种基于自注意力路由的多路径胶囊网络模型,将其用于多声音事件检测.由于自注意力路由方法是非迭代且高度并行的,大大加快了模型的训练速度;多路径基础胶囊层使用不同大小的非对称卷积核,不仅使模型能获得不同分辨率的信息,还能极大地保留时间信息,从而提高了模型的性能.本工作在2017年声音场景与事件检测分类挑战赛(Detection and Classifi-cation of Acoustic Scenes and Events,DCASE 2017)挑战任务4数据集上对所提出的模型和方法进行了对比实验及性能评估.其中,音频标注子任务的F分数达到了59.5％,音频事件检测的错误率降低到0.72,检测效果有较大的提升.结果表明:本方法具有事件检测准确率高、速度快、泛化能力强等优点.
文献关键词：
多声音事件检测;胶囊网络;DCASE 2017挑战
中图分类号：
作者姓名：
李海涛;杨树国
作者机构：
青岛科技大学 数理学院,山东 青岛 266061
文献出处：
引用格式：
[1]李海涛;杨树国-.基于自注意力路由胶囊网络的多音事件检测)[J].青岛科技大学学报（自然科学版）,2022(05):121-126
A类：
声音事件,多声音事件检测,非对称卷积核
B类：
自注意力,路由,胶囊网络,听觉,多路径,大加,训练速度,同大,保留时间,时间信息,音场,检测分类,挑战赛,Detection,Classifi,cation,Acoustic,Scenes,Events,DCASE,性能评估,音频,注子,子任务,错误率,检测效果,有事,检测准确率,泛化能力
AB值：
0.301702
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
