基于数据增强的深度学习声学场景分类算法
打开文本图片集
摘 要：根据卷积神经网络具有学习能力强、可移植性高的优点，结合数据增强可提升模型泛化能力的特点，提出了一种基于数据增强的深度学习声学场景分类方法，其次构建基于VGG16和Mixup的声学场景分类模型，最后在ESC-50数据集上对实验模型进行广泛的测试。实验结果表明，使用Mixup数据增强方法能够提升6.44%的模型准确率，且模型在该数据集上获得了81.56%的分类准确率，优于基线系统37.26%的准确率，验证了该方法的可靠性和有效性，且能够有效提高模型的分类效果。（剩余8047字）