基于语谱图与改进DenseNet的野外车辆识别
其他题名Field vehicle identification based on spectrogram and improved DenseNet
2020
发表期刊声学技术
ISSN1000-3630
卷号39期号:2页码:235-242
发表状态已发表
DOI/
摘要

针对在野外运动车辆分类过程中,传统梅尔倒谱系数与高斯混合模型分类方法对干扰噪声较为敏感的情况,提出了改进的密集卷积网络结构(DenseNet)方法。首先是将声音信号转换为语谱图,然后送入到改进的DenseNet网络结构中进行识别。其中,改进的DenseNet网络结构是在全连接层加入了中心损失(center loss)函数,使得同类特征聚合程度较高,这样就能够提取出声音信号的深度特征,有利于分类。实验结果表明,在相同的样本集下,改进DenseNet方法的识别率得到了明显的提升,达到97.70%。

关键词野外运动车辆分类 深度特征 密集卷积网络 语谱图 中心损失
收录类别CSCD
语种中文
WOS研究方向Acoustics (provided by Clarivate Analytics)
CSCD记录号CSCD:6723599
原始文献类型Article
文献类型期刊论文
条目标识符https://kms.shanghaitech.edu.cn/handle/2MSLDSTB/124484
专题信息科学与技术学院_硕士生
作者单位
1.中国科学院上海微系统与信息技术研究所
2.上海科技大学信息学院
3.中国科学院大学
4.中国科学院微系统技术重点实验室
第一作者单位上海科技大学
推荐引用方式
GB/T 7714
周鹏,李成娟,赵沁,等. 基于语谱图与改进DenseNet的野外车辆识别[J]. 声学技术,2020,39(2):235-242.
APA 周鹏.,李成娟.,赵沁.,王艳.,唐洪莹.,...&袁晓兵.(2020).基于语谱图与改进DenseNet的野外车辆识别.声学技术,39(2),235-242.
MLA 周鹏,et al."基于语谱图与改进DenseNet的野外车辆识别".声学技术 39.2(2020):235-242.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[周鹏]的文章
[李成娟]的文章
[赵沁]的文章
百度学术
百度学术中相似的文章
[周鹏]的文章
[李成娟]的文章
[赵沁]的文章
必应学术
必应学术中相似的文章
[周鹏]的文章
[李成娟]的文章
[赵沁]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。