深層畳み込みニューラルネットワークとデータ拡張を用いた環境音の分類

本研究は、深層畳み込みニューラルネットワークとデータ拡張による環境音の分類に関するものです。データ拡張は、ラベル付きトレーニングデータセットを増加させるために適用されます。データ拡張プロセスは音声分類の性能を向上させます。本論文では、最初に都市音8Kオーディオデータセットを用いた環境音分析のための深層畳み込みニューラルネットワーク（CNN）フレームワークを生成する戦略を提示します。次に、都市音8Kオーディオデータセットにおけるデータ拡張手法の性能を分析し、異なるデータ拡張方法論とのCNNの性能を比較します。データ拡張は基本的に変形技術です。このアプローチにより、データセットの要素数をその倍数に増加させることができます。ここでは、環境音分析のための最も優れたデータ拡張技術を特定するために、異なる拡張方法の性能を比較します。前の研究では、データセットに対して異なる種類のデータ拡張が適用されました。LPCC特徴を使用した新しいデータ拡張方法を紹介します。