卷积神经网络在城市声音分类中的应用研究

为了能对城市中随机出现的声音进行正确的分类,可以及时对一些突发情况做出预警或采取措施,因此对音频数据分析用于指导城市设计,是智慧城市的构建思路之一。本文通过创建一个智能的城市声音分类模型,利用卷积神经网络(CNN)方法,在Urban Sound 8K数据集上进行验证,研究了对CNN网络结构进行改进,并比较不同的城市声音分类模型。结果表明,改进后的模型在urbansound8k数据集中的准确率得到了提高,比原有模型提高了4.16%,同时识别率也高于MLP、RNN等一些声音识别模型。