針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型存在大量冗余參數(shù)的問題,提出了兩個(gè)基于SqueezeNet核心結(jié)構(gòu)Fire模塊的輕量級網(wǎng)絡(luò)模型Fnet1和Fnet2。之后結(jié)合移動端分布式數(shù)據(jù)采集和處理的特點(diǎn),在Fnet2模型基礎(chǔ)上,依據(jù)Dempster-Shafer(D-S)證據(jù)理論將Fnet2與深度神經(jīng)網(wǎng)絡(luò)(DNN)融合,提出新的網(wǎng)絡(luò)模型FnetDNN。首先,建立一個(gè)具有四層卷積層的神經(jīng)網(wǎng)絡(luò)Cent作為基準(zhǔn),以梅爾倒譜系數(shù)(MFCC)作為特征輸入來對比分析Fnet1、Fnet2和Cent的網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)、計(jì)算量、卷積核參數(shù)數(shù)量及識別準(zhǔn)確率,結(jié)論是Fnet1僅使用Cnet參數(shù)數(shù)量的10.3%就可達(dá)到86.7%的分類準(zhǔn)確率;然后,將MFCC與全局特征向量輸入到FnetDNN模型中,使得該模型的識別準(zhǔn)確率提高到了94.4%。實(shí)驗(yàn)結(jié)果表明,Fnet網(wǎng)絡(luò)模型不僅可以壓縮冗余參數(shù),還可以與其他網(wǎng)絡(luò)相融合,具備模型擴(kuò)展能力。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1十類聲音可視化MFCC譜圖

本實(shí)驗(yàn)以25ms的窗口和10ms幀長為參數(shù)從音頻片段中提取特征，計(jì)算出0～22050Hz的40個(gè)梅爾（Mel）波段，并保留40個(gè)MFCC系數(shù)，得到的特征矩陣為40×174×1，即頻率×?xí)r間×通道，如圖1所示，在這一過程中，需要對時(shí)間維度不足的特征矩陣進(jìn)行補(bǔ)零至統(tǒng)一長度。除....

圖2Fire模塊結(jié)構(gòu)

SqueezNet卷積神經(jīng)網(wǎng)絡(luò)模型是由加利福尼亞大學(xué)伯克利分校和斯坦福大學(xué)的研究學(xué)者在2016年聯(lián)合提出的一種旨在降低模型參數(shù)輸入量的網(wǎng)絡(luò)模型，它能解決AlexNet[20]和VGGNet(VisualGeometryGroupNet)[21]模型因參數(shù)量巨大而降低運(yùn)算....

圖3基于Fire模塊的網(wǎng)絡(luò)

本實(shí)驗(yàn)針對參考卷積神經(jīng)網(wǎng)絡(luò)模型Cnet[23]，設(shè)計(jì)一類基于SqueezNet網(wǎng)絡(luò)Fire模塊的輕量級網(wǎng)絡(luò)模型，并將其命名Fnet，見圖3。Fnet由輸入層、一組16個(gè)3×3卷積核構(gòu)成的“卷積+池化”結(jié)構(gòu)、三組Fire模塊、全局平均池化層和輸出層構(gòu)成。為有效驗(yàn)證模型性能，本實(shí)驗(yàn)....

圖4模型結(jié)果比較

首先，本實(shí)驗(yàn)以Cnet作為參考網(wǎng)絡(luò)，使用Fire模塊搭建Fnet1和Fnet2模型，兩個(gè)模型都采用圖1提取的MFCC譜圖作為輸入，輸入維度為40×174×1。從圖4的實(shí)驗(yàn)結(jié)果可以看出：參數(shù)數(shù)量越多，模型分類的穩(wěn)定性就越高。從訓(xùn)練迭代200次后的分類準(zhǔn)確性來看，F(xiàn)net1與Cnet....

本文編號：3897299