首页/ 江苏聆世科技有限公司/ 专利详情

基于集成学习和卷积神经网络的环境声音识别方法

基本信息

申请号 CN202011020706.6 申请日 -
公开（公告）号 CN112216287A 公开（公告）日 2021-01-12
申请公布号 CN112216287A 申请公布日 2021-01-12
分类号 G10L17/26;G10L25/45;G10L25/30;G10L25/18;G10L17/04;G06N3/04 分类 乐器；声学;
发明人 陈俊;谢维;王震宇;郭宏成 申请（专利权）人 江苏聆世科技有限公司
代理机构 南京鑫之航知识产权代理事务所（特殊普通合伙） 代理人 汪庆朋
地址 211500 江苏省南京市江北新区星火路17号创智大厦B座632室
法律状态 -

摘要

摘要 本发明公开了基于集成学习和卷积神经网络的环境声音识别方法，包括：S1、特征提取，对原始音频进行分帧和加窗，利用梅尔滤波器组得到声音的梅尔能量频谱，最终得到最后的梅尔能量频谱特征，作为数据集；S2、模型训练，采用k折交叉验证和使用mixup数据增强方法对于所述数据集进行模型训练，得到K个卷积神经网络模型；S3、声音测试，对待测声音样本通过卷积神经网络模型进行识别。本发明能够利用k折交叉验证训练k个模型并结合k个模型进行声音识别，大大增强了模型的泛化能力，有效缓解了过拟合的现象，此外针对数据量不大的情况，使用mixup数据增强对原始样本进行混合以进一步增强模型的泛化能力。