基于深度神经网络的异常声音事件检测
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究难点 | 第12页 |
| 1.4 本文主要研究内容 | 第12-13页 |
| 1.5 本文组织安排 | 第13-14页 |
| 2 异常声音事件检测相关理论基础 | 第14-29页 |
| 2.1 引言 | 第14-15页 |
| 2.2 常用特征 | 第15-17页 |
| 2.2.1 短时平均能量和短时平均幅度 | 第15页 |
| 2.2.2 时频特征 | 第15-17页 |
| 2.3 神经网络基础理论 | 第17-28页 |
| 2.3.1 感知器基础知识 | 第17-18页 |
| 2.3.2 逻辑回归与神经网络基础知识 | 第18-21页 |
| 2.3.3 卷积神经网络基础知识 | 第21-24页 |
| 2.3.4 循环神经网络基础知识 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 使用扩展R-FCN方法的异常声音事件检测 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 基于区域提议的异常声音事件检测和分类 | 第29-35页 |
| 3.2.1 基于残差网络的特征提取 | 第30-31页 |
| 3.2.2 改进的区域提议网络 | 第31-33页 |
| 3.2.3 区域提议的精细分类和边界微调 | 第33-35页 |
| 3.3 实验设计 | 第35-39页 |
| 3.3.1 评价指标 | 第35-36页 |
| 3.3.2 实验结果 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于卷积和循环神经网络的异常声音事件检测 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 基于卷积神经网络的特征提取 | 第40-42页 |
| 4.2.1 数据预处理 | 第40-41页 |
| 4.2.2 特征提取单元 | 第41-42页 |
| 4.3 基于循环神经网络的异常声音事件检测建模 | 第42-45页 |
| 4.3.1 整体结构 | 第42-44页 |
| 4.3.2 损失函数 | 第44-45页 |
| 4.4 模型训练 | 第45-47页 |
| 4.4.1 模型初始化及训练准则 | 第45-46页 |
| 4.4.2 使用Adam优化算法进行训练 | 第46-47页 |
| 4.5 实验设计 | 第47-52页 |
| 4.5.1 特征提取单元对实验结果的影响 | 第47-50页 |
| 4.5.2 损失函数对实验结果的影响 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A.作者在攻读硕士学位期间取得的科研成果 | 第60页 |
