Deep ESC网络的环境声分类方法研究

为进一步提升环境声分类的识别率,提出了一种仿深度隐藏身份特征(Deep Hidden Identity Feature,DeepID)网络连接方式的卷积神经网络——深度环境声分类网络(Deep Environment Sound Classification,DeepESC)。DeepESC网络共有六层——三层卷积层、两层全连层以及一层聚合层,为使网络在自动抽取高层次特征的同时能有效地兼顾低层次特征,网络将三层卷积层的输出聚合为一层,该层充分包含不同层次的特征,提升了卷积神经网络的特征表达能力。ESC-10和ESC-50数据集上的仿真结果表明:在相同的识别框架下,与随机森林分类器相比,本文网络识别率分别平均提升了7.6%和22.4%,与传统的卷积神经网络相比,识别率分别平均提升4%和2%,仿真实验验证了本文分类器的有效性。

基于DeepID的人脸检测与识别算法研究

本文将详细介绍Deep ID网络人脸检测与识别算法研究,包括Deep ID方法的网络结构、计算过程、数据集等内容,在此基础上介绍了联合贝叶斯模型。并通过对比实验,给出了Deep ID网络训练效果图以及加入联合贝叶斯模型后的精度对比,直观反映出Deep ID模型的训练结果。同时介绍了Deep ID2+网络。着重介绍了关于交叉墒和验证信号等部分的内容。