| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外相关技术研究现状 | 第10-14页 |
| 1.3.1 音频序列标注的数据处理方法 | 第10-12页 |
| 1.3.2 音频序列标注研究现状 | 第12-14页 |
| 1.4 本文的主要研究内容 | 第14页 |
| 1.5 本文的章节结构 | 第14-16页 |
| 第2章 复杂场景下的音频数据分析 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 复杂场景数据集及构建过程 | 第16-18页 |
| 2.2.1 General-purposeFreesound数据 | 第16-17页 |
| 2.2.2 教室录音数据 | 第17-18页 |
| 2.3 复杂场景下音频数据分析 | 第18-22页 |
| 2.3.1 时域分析 | 第18-20页 |
| 2.3.2 频域分析 | 第20-21页 |
| 2.3.3 样本分布分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 复杂场景下音频的数据处理 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 音频活动检测 | 第23-25页 |
| 3.3 数据扩张 | 第25-30页 |
| 3.3.1 环境噪音混声 | 第25-26页 |
| 3.3.2 能量变换 | 第26-28页 |
| 3.3.3 基频变换 | 第28-29页 |
| 3.3.4 时间伸缩 | 第29-30页 |
| 3.4 音频特征提取 | 第30-31页 |
| 3.5 数据采样 | 第31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 音频自动标注模型设计 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 模型基本结构设计 | 第32-39页 |
| 4.2.1 卷积结构 | 第32-35页 |
| 4.2.2 序列建模 | 第35-37页 |
| 4.2.3 CLDNN | 第37-38页 |
| 4.2.4 注意力机制 | 第38-39页 |
| 4.3 自注意力InceptionLDNN模型 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 音频自动标注方法评价与分析 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 音频自动标注方法的实现 | 第43-46页 |
| 5.2.1 实验环境设置 | 第43-44页 |
| 5.2.2 数据处理模块参数设置 | 第44-45页 |
| 5.2.3 模型参数设置 | 第45-46页 |
| 5.3 实验结果评价与分析 | 第46-50页 |
| 5.3.1 评测标准 | 第46页 |
| 5.3.2 音频数据处理流程验证 | 第46-47页 |
| 5.3.3 基于音频特征的机器学习方法对比分析 | 第47-48页 |
| 5.3.4 基于的深度学习的自动标注方法对比分析 | 第48-50页 |
| 5.4 音频自动标注服务的实现 | 第50页 |
| 5.5 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |