文章目錄

• 摘要
• 準(zhǔn)備工作
• 論文整理
• 參考文獻(xiàn)

摘要

根據(jù)城市環(huán)境聲識(shí)別的要求，為了選擇更優(yōu)的環(huán)境聲事件識(shí)別方案，我對(duì)與UrbanSound8K聲音數(shù)據(jù)集相關(guān)的論文進(jìn)行了搜集、比較、分析，據(jù)此來(lái)給當(dāng)前面臨的識(shí)別率低的問(wèn)題尋找到個(gè)一個(gè)大概的解決方向。最終我對(duì)篩選出來(lái)的10篇論文進(jìn)行了記錄分析。

準(zhǔn)備工作

城市環(huán)境聲數(shù)據(jù)集的選擇
Urbansound8K 是目前應(yīng)用較為廣泛的用于自動(dòng)城市環(huán)境聲分類(lèi)研究的公共數(shù)據(jù)集。這個(gè)數(shù)據(jù)集一共包含8732條已標(biāo)注的聲音片段(<=4s)，包含10個(gè)分類(lèi)：空調(diào)聲、汽車(chē)?guó)Q笛聲、兒童玩耍聲、狗叫聲、鉆孔聲、引擎空轉(zhuǎn)聲、槍聲、手提鉆、警笛聲和街道音樂(lè)聲。數(shù)據(jù)集保存在百度云：提取碼: tyfa
論文搜索
利用谷歌學(xué)術(shù)搜集關(guān)于Urbansound8K數(shù)據(jù)集的論文，并記錄下論文標(biāo)題，然后用桂電圖書(shū)館的數(shù)據(jù)庫(kù)資源Web of Science和IEEE/IEE Electronic Library對(duì)搜集到的論文進(jìn)行下載，下載到19篇論文(SCI:6)，經(jīng)過(guò)翻閱發(fā)現(xiàn)只有10篇文獻(xiàn)是符合需要的，最終對(duì)這10篇文獻(xiàn)進(jìn)行分析總結(jié)。

論文整理

影響力論文題目特征分類(lèi)器分類(lèi)表現(xiàn)

Q4	[2]	Log-mel spectrogram	Dilated CNN	Accuracy=78%
CA	[3]	Raw waveforms	CRNN	Accuracy=79.6%
CA	[4]	Raw waveforms	CNN	F1 scores=57,ER=0.5
Q2	[5]	Log-mel spectrogram	SB-CNN	Accuracy=79%
Q4	[6]	Mel-scale spectrogram	CNN
CA	[7]	MFCC	CNN	Accuracy=83.5%
CA	[8]	log-mel spectrogram	CNN	Accuracy=89%
Q3	[9]	Raw waveforms+Logmel spectrogram	DS-CNN	Accuracy=92.2%
JA	[10]	spectrogram,MFCC,CRP image	Google Net	Accuracy=93%
Q2	[11]	MFCC/log-mel spectrogram/chroma/spectral contrast and tonnetz	DS-CNN	Accuracy=97.2%

Tip:Q4：SCI 4區(qū)，CA：EI 會(huì)議文章，JA：EI期刊文章
在此不做分析，僅做簡(jiǎn)單比較，對(duì)此感興趣的同學(xué)，有問(wèn)題歡迎討論。

參考文獻(xiàn)

總結(jié)

以上是生活随笔為你收集整理的基于Urbansound8K数据集的环境声识别的方法简述的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。