文章目錄

• 摘要
• 準備工作
• 論文整理
• 參考文獻

摘要

根據城市環境聲識別的要求，為了選擇更優的環境聲事件識別方案，我對與UrbanSound8K聲音數據集相關的論文進行了搜集、比較、分析，據此來給當前面臨的識別率低的問題尋找到個一個大概的解決方向。最終我對篩選出來的10篇論文進行了記錄分析。

準備工作

城市環境聲數據集的選擇
Urbansound8K 是目前應用較為廣泛的用于自動城市環境聲分類研究的公共數據集。這個數據集一共包含8732條已標注的聲音片段(<=4s)，包含10個分類：空調聲、汽車鳴笛聲、兒童玩耍聲、狗叫聲、鉆孔聲、引擎空轉聲、槍聲、手提鉆、警笛聲和街道音樂聲。數據集保存在百度云：提取碼: tyfa
論文搜索
利用谷歌學術搜集關于Urbansound8K數據集的論文，并記錄下論文標題，然后用桂電圖書館的數據庫資源Web of Science和IEEE/IEE Electronic Library對搜集到的論文進行下載，下載到19篇論文(SCI:6)，經過翻閱發現只有10篇文獻是符合需要的，最終對這10篇文獻進行分析總結。

論文整理

影響力論文題目特征分類器分類表現

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，CA：EI 會議文章，JA：EI期刊文章
在此不做分析，僅做簡單比較，對此感興趣的同學，有問題歡迎討論。

參考文獻

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。