%0 Journal Article
%T 基于双重数据增强策略的音频分类方法
%A 周迅
%A 张晓龙
%J -
%D 2020
%X 卷积神经网络模型作为音频特征提取器具有较好的应用效果,但该类模型的训练过程对数据量要求比较高。针对这一问题,本文提出一种基于双重数据增强策略的音频分类方法。首先采用传统音频数据增强方法(旋转、调音、变调、加噪),并将增强后的数据转化为语谱图,再采用随机均值替换法进行谱图增强。在此基础上训练Inception_Resnet_V2神经网络模型作为音频特征提取器,最后训练随机森林模型作为分类器完成音频分类任务。实验结果表明,与已有方法相比,采用双重数据增强策略可明显提升音频分类精度,并且训练出的特征提取模型具有较强的泛化能力
%K 音频分类 双重数据增强 卷积神经网络 特征提取 随机森林 语谱图<br>audio classification double data augmentation convolutional neural network feature extraction random forest spectrogram
%U http://wkdxb.wust.edu.cn/wkd_zr/ch/reader/view_abstract.aspx?file_no=20200212&flag=1