计算机应用研究

作者：刘臣,倪仁倢,周立欣,

单位：上海理工大学管理学院,上海200093；

关键词：实时声音事件检测,轻量化卷积神经网络,多任务学习,数据扩增,

基金：国家自然科学基金资助项目(71774111)；中国博士后科学基金资助项目(2021M69235)；上海市哲学社会科学规划课题资助项目(2021BTQ003)；；

现有的声音事件检测研究多为对离线音频进行分析，且模型参数量较多、计算效率低，不适用于实时检测。提出一种面向多任务实时声音事件检测的轻量化卷积神经网络模型，它将唤醒与检测任务整合成多任务学习框架，此外模型的卷积结构联合了稠密连接、Ghost模组与SE注意力机制；另外还提出了一种复合数据扩增方法，将音频变换、随机裁剪与频谱掩蔽相结合。实验结果显示，该模型在ESC-10和Urbansound8K数据集上的平均预测准确率高于当前新型的基线模型2%以上，同时模型的参数和内存更少。研究表明，多任务学习的方式节省了计算量，又因为卷积结构复用了中间层特征，模型可以快速地反馈检测结果。另外，复合数据方法相比传统方法使模型获得了更好的性能和鲁棒性。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期