正交約束型SincNet可微分前端及在音頻分類中的應用
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>370 K
標簽： 可微分前端 正交卷積 SincNet
所需積分：0分積分不夠怎么辦？
文檔介紹：在音頻場景分類任務中，現(xiàn)有端到端模型中特征建模層學習過程存在缺乏約束、學習結果缺乏直觀解釋以及僅適用于特定的后端分類模型等缺點。因此，以SincNet可微分前端為基礎，引入正交約束提高其求解效率，同時提高所得可微分前端的可解釋性，并使其能提高多種后端網(wǎng)絡的分類性能。提出的這種新型可微分前端命名為正交約束型SincNet(OrthSincNet)。研究發(fā)現(xiàn)，OrthSincNet卷積核對應的頻譜既具有類似于梅爾濾波器的形態(tài)，又可提高分類效果。在UrbanSound8K官方評測數(shù)據(jù)集上的實驗表明，相對于常用的梅爾頻譜前端，OrthSincNet改進了6種后端分類網(wǎng)絡的性能，分類準確率平均提高了2.2%。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。