技术总结
本发明公开了一种基于双重数据增强策略的音频分类方法。本发明的方法是:首先对原始音频文件使用旋转、调音、变调、加噪共四种传统音频增强方法进行初次音频数据增强;然后将初次增强音频数据转化为语谱图;再通过随机替换均值对语谱图数据进行二次的数据增强;输入双重数据增强的数据到Inception_Resnet_V2神经网络进行训练,完成特征提取工作;最后通过xgboost分类器对提取到的高层特征进行训练,完成最终音频分类工作。本方法在传统音频增强的基础上添加了对谱图的数据增强,双重数据增强可直接提高训练精度,在测试过程中表现出3%的精确率提升,可广泛应用于环境声分类与声纹识别任务。
技术研发人员:张晓龙;周迅;边小勇;李波;何新宇;甘浩旻
受保护的技术使用者:武汉科技大学
技术研发日:2019.09.25
技术公布日:2020.02.18