19、环境声音识别与空间计算：技术融合与创新应用

环境声音识别与空间计算：技术融合与创新应用

环境声音识别的深度元模型

环境声音识别（ESR）在如今的技术领域中具有重要意义，能够帮助我们更好地理解和感知周围的环境。下面将详细介绍一种用于环境声音识别的深度元模型。

方法架构

提出的ESR系统架构由五个基础模型和一个深度元模型组成。基础模型通过分析给定环境声音对应的频谱图生成分类结果，深度元模型则高效地组合这些基础模型的分类结果，以生成最终的共识结果。

• 基础模型 ：

  • FractalNet ：是一种特定类型的CNN模型，没有残差连接，但采用分形设计。通过递归执行扩展规则，形成具有分形基本单元的深度网络结构，不同子路径之间存在对应关系，且不包含直通相互依赖。
  • ResNeXt ：基于分治范式，旨在减少与ResNet相比的超参数数量。通过引入基数的概念，将其作为除深度和宽度之外的额外维度，将ResNet的重复方案和InceptionNet的分裂 - 变换 - 合并原则相结合构建架构。
  • Wide Residual Network (WideResNet) ：是ResNet的一种替代方案，减少了残差网络的深度，增加了宽度。借助宽残差块，增加卷积层中的滤波器数量。
  • Squeeze and Excitation Network (SENet) ：包含专门设计的挤压和激励（SE）单元，以增强CN