计算机工程

作者：王娅茹, 唐璐, 陈爱斌, 彭伟雄, 沈平

单位：1. 中南林业科技大学计算机与信息工程学院, 湖南 长沙 4100042. 湖南自兴智慧医疗科技有限公司, 湖南 长沙 4100043. 长沙市回音科技有限公司, 湖南 长沙 410004

关键词：卷积神经网络,鸟鸣声分类,深度学习,Mel频谱图,残差网络,深度可分离卷积

基金：国家自然科学基金(62276276); 湖南省研究生科研创新项目(CX20210879); 中南林业科技大学智慧物流技术湖南省重点实验室项目(2019TP1015)

为了高效且快速地识别自然环境中的鸟鸣声, 提出一种基于轻量级逐点深度的多感受野注意力残差网络(LPDMR-NET)模型。首先, 通过Mel滤波器生成Mel频谱图。接着, 采用basicblock和downblock连接生成两层残差网络DBNet, 堆叠DBNet作为鸟鸣声识别的主干网络, 以提高训练速度。然后, 利用逐点深度卷积网络(PDNet)提取频谱图特征信息, 替代主干网络下采样模块, 将两个残差模块的basicblock中的3×3卷积替换为分离分支块(DBB), 引入不同的感受野, 在复杂多分支结构下显著提高网络的识别性能。最后, 在两个残差模块间嵌入轻量级高效置换注意力(SA)模块用于传递两层残差模块间的有效信息, 增强频谱图波纹特征, 进一步提高网络识别性能。在自建的30类鸟鸣声数据集Birdselfdata上的实验结果表明, 该模型的识别准确率为96.82%、F1值为96.73%, 在识别效率和准确性方面超越了对比模型。

来源：2024年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第10期