# DCASE2016
声音场景识别
DCASE2016
- 任务介绍以及数据库下载:http://www.cs.tut.fi/sgn/arg/dcase2016/task-acoustic-scene-classification
- 依赖库:numpy、scipy、librosa、keras、tensorflow or theano
- 实验采用Mel能量谱+CNN+随机森林
- 试验的confuse matrix如下:
- ![image](https://github.com/DeepLJH0001/DCASE2016/blob/master/images/%E9%94%99%E5%88%86%E7%9F%A9%E9%98%B5.png)
- cnn本身训练好的feature map特征其实是非常稀疏的、但带噪时即使采用过拟合手段有dropout,交叉验证、早停法、权重衰减、正则化,仍然有一些数值较低的权重,而不是0。
- 在有噪声的情况下(场景声音混杂了其他声音事件、如交谈声、风声等),很多神经元节点其实本身的权重都不会偏向0,而是以一个较小的值存在、本实验思想主要尝试使用随机森林的自助重采样,直接摒弃部分CNN的冗余特征构建决策树、bagging方式实现声音场景的识别,而未被采样到的袋外数据可以做validation data。
没有合适的资源?快使用搜索试试~ 我知道了~
基于python+tensorflow网络实现声音场景识别系统源码.zip
共10个文件
py:7个
png:1个
md:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 73 浏览量
2024-05-05
21:35:41
上传
评论
收藏 95KB ZIP 举报
温馨提示
声音场景识别 依赖库:numpy、scipy、librosa、keras、tensorflow or theano 实验采用Mel能量谱+CNN+随机森林 试验的confuse matrix如下: image cnn本身训练好的feature map特征其实是非常稀疏的、但带噪时即使采用过拟合手段有dropout,交叉验证、早停法、权重衰减、正则化,仍然有一些数值较低的权重,而不是0。 在有噪声的情况下(场景声音混杂了其他声音事件、如交谈声、风声等),很多神经元节点其实本身的权重都不会偏向0,而是以一个较小的值存在、本实验思想主要尝试使用随机森林的自助重采样,直接摒弃部分CNN的冗余特征构建决策树、bagging方式实现声音场景的识别,而未被采样到的袋外数据可以做validation data。
资源推荐
资源详情
资源评论
收起资源包目录
基于python+tensorflow网络实现声音场景识别系统源码.zip (10个子文件)
code
plot_confusion_matrix.py 3KB
best_result.py 18KB
dcnn_train.py 9KB
evaluate_predict.py 6KB
4_fold_fulltraining.py 9KB
4_fold_dcnn_train.py 7KB
images
file 2B
错分矩阵.png 88KB
feature_extract_demo.py 3KB
README.md 1KB
共 10 条
- 1
资源评论
FL1768317420
- 粉丝: 4591
- 资源: 4813
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功