基于改進(jìn)EfficientNet 的煤矸音頻分類方法

打開文本圖片集

摘要：針對煤矸音頻特征提取過程中設(shè)備運(yùn)行噪聲干擾嚴(yán)重及單一提取方法易導(dǎo)致信息丟失的問題，提出了一種基于改進(jìn)EfficientNet 的煤矸音頻分類方法。采用基于Mel 頻譜和Gammatone 倒譜系數(shù)的特征提取方法，有效捕捉矸石聲音中的低頻信息和細(xì)節(jié)特征。選擇EfficientNet?B0 作為骨干網(wǎng)絡(luò)，并對其進(jìn)行以下改進(jìn)：將原有的多尺度通道注意力模塊換成卷積塊注意力模塊，得到卷積注意力特征融合（CAFF）模塊，通過網(wǎng)絡(luò)自學(xué)習(xí)為不同空間位置的特征分配不同的權(quán)重信息，生成新的有效特征；在原有的MBConv 模塊中并行嵌入頻域通道注意力（FCA）模塊，加強(qiáng)特征圖的表達(dá)能力，從而提高整個網(wǎng)絡(luò)的性能。（剩余513字）