基于特征融合與RCB?EffcientNet網(wǎng)絡(luò)的校園安全聲檢測(cè)方法

打開文本圖片集

摘  要： 聲音分類技術(shù)在校園事件監(jiān)測(cè)中至關(guān)重要。然而，聲音識(shí)別領(lǐng)域存在諸多挑戰(zhàn)，如特征提取方法的適配性不足、現(xiàn)有方法難以平衡學(xué)習(xí)、理解能力與模型復(fù)雜度之間的關(guān)系等。為解決這些問(wèn)題，文中提出一種基于LM?H聲學(xué)特征和RCB?EfficientNet模型的改進(jìn)算法。從原始音頻中提取Log?Mel和Hilbert譜圖特征，融合為全新的LM?H特征來(lái)描述校園異常聲，并提出輕量化音頻分類模型RCB?EfficientNet。（剩余11523字）