当前位置： 首页 > news >正文

【声音场景分类--论文阅读】

news 来源：原创 2025/6/9 11:23:13

1.基于小波时频图特征在声音场景分类

基于小波时频图特征在声音场景分类任务中的表现
在这里插入图片描述

2.增强增强高效音频分类网络

https://arxiv.org/pdf/2204.11479v5
https://github.com/Alibaba-MIIL/AudioClassfication
音频分类网络如图4所示。在此阶段，主要重点是建立一个神经网络具有较大的感受野，同时保持较低的复杂性。可以将网络分解为两个主块、1D卷积堆栈和变换器编码器块。前者沿时间轴进行降采样
其中卷积层耦合到固定低通滤波器[29,30]，然后是间歇残差块[18]。这个残差块根据[31]进行修改，由深度卷积和大核操作组成f（x）是跨通道操作的核大小等于1的卷积。此时，信号
使用一系列因子di除以总因子d进行抽取=Qdi例如，5秒的信号下采样序列的持续时间等于[4,4,4,4]，执行256倍的缩减。这可能是为了在某种程度上与频谱图操作期间进行的下采样有关。以下构建块执行进一步减少，每次减少后都有一堆扩张的残余块[32]。这种改进能够提高在每帧的感受野中，因此对环境类中的可变持续时间事件更具鲁棒性声音场景。使用变压器编码器块实现了跨帧收集特征图，该块然后是全连接层，将嵌入向量投影到类空间。
在这里插入图片描述

3.PANNs：大规模预训练音频神经网络音频模式识别

https://arxiv.org/pdf/1912.10211v5
https://github.com/qiuqiangkong/audioset_tagging_cnn
Wavegram CNN和Wavegram Logmel CNN for AudioSet标签。我们提出的Wavegram CNN是一个时域音频标签系统。Wavegram是我们提出的一个功能这类似于log-mel频谱图，但使用神经网络。波形图被设计用来学习傅里叶变换的时频表示转变。波形图具有时间轴和频率轴。频率模式对于音频模式识别很重要，例如，具有不同音高偏移的声音属于同一个班级。波形图旨在学习频率一维CNN中可能缺少的信息系统。波形图也可能比手工制作的原木更好通过学习一种新的时频来获得mel谱图从数据转换。然后，波形图可以代替log-mel光谱图作为输入特征，形成我们的WavegramCNN系统。我们还结合了Wavegram和log-mel频谱图作为构建Wavegram-LogmelCNN系统的新功能.
在这里插入图片描述

相关文章：

【声音场景分类--论文阅读】

1.基于小波时频图特征在声音场景分类 基于小波时频图特征在声音场景分类任务中的表现 2.增强增强高效音频分类网络 https://arxiv.org/pdf/2204.11479v5 https://github.com/Alibaba-MIIL/AudioClassfication 音频分类网络如图4所示。在此阶段，主要重点是建立一…...

编程日记 2025/6/4 6:54:02

浅谈云计算02 | 云计算模式的演进

云计算计算模式的演进 一、云计算计算模式的起源追溯1.2 个人计算机与桌面计算 二、云计算计算模式的发展阶段2.1 效用计算的出现2.2 客户机/服务器模式2.3 集群计算2.4 服务计算2.5 分布式计算2.6 网格计算 三、云计算计算模式的成熟与多元化3.1 主流云计算服务模式的确立3.1.…...

编程日记 2025/6/4 6:53:46

【专题】2025年节日营销趋势洞察报告汇总PDF洞察（附原数据表）

原文链接： https://tecdat.cn/?p38813 在当今复杂多变且竞争激烈的消费市场环境下，节日营销已成为企业获取市场份额、提升品牌影响力的关键战略时机。我们深知深入洞察节日营销趋势对于企业决策的重要性。 本报告汇总基于对 2024 年多个关键消费节点及…...

编程日记 2025/6/3 7:15:43

AR 在高校实验室安全教育中的应用

AR应用APP可以内置实验室安全功能介绍，学习并考试（为满足教育部关于实验室人员准入条件），AR主模块。其中AR主模块应该包括图形标识码的扫描，生成相应模型，或者火灾、逃生等应急处置的路线及动画演示。考试采…...

编程日记 2025/6/4 16:02:14

PHP智慧小区物业管理小程序

🌟智慧小区物业管理小程序：重塑社区生活，开启便捷高效新篇章 🌟 智慧小区物业管理小程序是一款基于PHPUniApp精心雕琢的智慧小区物业管理小程序，它犹如一股清新的科技之风，吹进了现代智慧小区的每一个角落…...

编程日记 2025/6/4 6:55:22

使用防抖与节流优化 Vue 中的异步函数调用

使用防抖与节流优化 Vue 中的异步函数调用 在 Vue 项目中，我们经常需要处理用户交互事件，例如点击、输入、切换复选框等。这些事件可能频繁触发，尤其在用户快速操作的情况下，如果每次触发都执行复杂的逻辑（如异步网络…...

编程日记 2025/5/30 17:57:08

【大厂面试AI算法题中的知识点】方向涉及：ML/DL/CV/NLP/大数据...本篇介绍自动驾驶检测模型如何针对corner case 优化？

【大厂面试AI算法题中的知识点】方向涉及：ML/DL/CV/NLP/大数据…本篇介绍自动驾驶检测模型如何针对corner case 优化？ 【大厂面试AI算法题中的知识点】方向涉及：ML/DL/CV/NLP/大数据…本篇介绍自动驾驶检测模型如何针对corner case 优化&…...

编程日记 2025/6/4 6:54:33

Android CustomTextField

在 Compose 中开发用户界面时，需要处理输入框和键盘的交互，例如在键盘弹出时调整布局位置，避免遮挡重要内容。本篇博客将通过一个完整的示例展示如何实现这一功能。 功能概述 本例实现了一个简单的输入框。当输入框获得焦点或输入文字时&…...

编程日记 2025/6/4 6:55:06

源码编译安装httpd 2.4，提供系统服务管理脚本并测试（两种方法实现）

一、源码编译安装httpd 2.4 # 从官网下载httpd源代码 [rootopenEuler-2 ~]# wget https://downloads.apache.org/httpd/httpd-2.4.62.tar.gz# 解压并进入到该目录中 [rootopenEuler-2 ~]# tar -zxvf httpd-2.4.62.tar.gz [rootopenEuler-2 ~]# cd httpd-2.4.62/# 安装httpd编译…...

编程日记 2025/6/4 6:54:18

ubuntu24.04安装docker显卡工具包nvidia-container-toolkit

问题描述 docker 容器启动时如果需要访问 gpu ，需要安装 nvidia-container-toolkit 才行，否则会提示如下错误 sudo docker run --rm -it --gpus all ubuntu:latest docker: Error response from daemon: could not select device driver "" …...

编程日记 2025/6/4 6:54:50

mac intel芯片下载安卓模拟器

一、调研 目前主流两个模拟器： 雷神模拟器 不支持macosmumu模拟器pro版 不支持macos intel芯片 搜索到mumu的Q&A中有 “Intel芯片Mac如何安装MuMu？” q&a🔗：https://mumu.163.com/mac/faq/install-on-intel-mac.html 提…...

编程日记 2025/6/2 17:39:21

4 原型（Protoytpe）模式

原型模式 1.1 分类 （对象）创建型 1.2 提出问题 希望复制一个状态完全相同的对象。首先，新建一个相同类的对象。 然后，复制所有成员变量。 但是，有时候不知道具体类型，而且成员变量可能是私有的。&#…...

编程日记 2025/6/2 0:02:19

kafka的listeners和advertised.listeners，配置内外网分流

总结： listeners 指明 kafka 当前节点监听本机的哪个网卡 advertised.listeners 指明客户端通过哪个 ip 可以访问到当前节点 内网和外网并不必须是是我们通常说的公司内部网络和公网，只要是两块网卡都可以，不管是这两块网卡是公网、内网、甚至…...

编程日记 2025/5/30 16:57:41

Mac——Docker desktop安装与使用教程

摘要 本文是一篇关于Mac系统下Docker Desktop安装与使用教程的博文。首先介绍连接WiFi网络，然后详细阐述了如何在Mac上安装Docker，包括下载地址以及不同芯片版本的选择。接着讲解了如何下载基础镜像和指定版本镜像，旨在帮助用户在Mac上高效使…...

编程日记 2025/6/2 8:16:31

Redis十大数据类型详解

Redis（一） 十大数据类型 redis字符串（String） string是redis最基本的类型，一个key对应一个value string类型是二进制安全的，意思是redis的string可以包含任何数据。例如说是jpg图片或者序列化对象 一个re…...

编程日记 2025/5/29 12:59:40

.net core 中使用AsyncLocal传递变量

官网 https://github.com/dotnet/runtime/blob/16b6369b7509e58c35431f05681a9f9e5d10afaa/src/libraries/System.Private.CoreLib/src/System/Threading/AsyncLocal.cs#L45 AsyncLocal是一个在.NET中用来在同步任务和异步任务中保持全局变量的工具类。它允许你在不同线程的同…...

编程日记 2025/5/30 19:26:08

C#Halcon视觉流程框架个人封装流程心得

一，实现效果 1，初始界面 2，加载流程 3，点击流程列表“加载2D图像" 4，设置图像预处理参数与画线找线 5，执行流程 6，折叠工具箱 7，折叠操作区域 二，实现流程 1&…...

编程日记 2025/6/4 4:31:07

web第一次作业

系统登录代码&#xff1a; <!DOCTYPE html> <html lang"zh"> <head> <meta charset"UTF-8"> <meta name"viewport" content"widthdevice-width, initial-scale1.0"> <title>第一次作业</title…...

编程日记 2025/6/2 17:19:28

Kylin Linux V10 替换安装源，并在服务器上启用 EPEL 仓库

查看系统版本&#xff1a; cat /etc/os-releaseNAME"Kylin Linux Advanced Server" VERSION"V10 (Lance)" ID"kylin" VERSION_ID"V10" PRETTY_NAME"Kylin Linux Advanced Server V10 (Lance)" ANSI_COLOR"0;31"u…...

编程日记 2025/5/31 21:49:24

备战蓝桥杯：树的存储与遍历（dfs和bfs）

树的概念 树的逻辑结构是树形结构&#xff0c;和我们之前的线性结构又不太一样了&#xff0c;是一种一对多的关系 树的结点分为根节点&#xff0c;叶子结点&#xff08;没有分支的结点&#xff09; 以及分支结点 从上往下看&#xff0c;每个结点都有0个或多个后继 从下往上…...

编程日记 2025/6/4 8:48:16

[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025

文章目录 [Deep Learning] AnacondaCUDACuDNNPytorch(GPU)环境配置-20250. 引子1. 安装Anaconda1.1 安装包下载&#xff1a;1.2 启用安装包安装1.3 配置(系统)环境变量1.4 验证Anaconda是否安装完毕1.5 Anaconda换源 2. 安装CUDACuDNN2.1 判断本机的CUDA版本2.2 下载适合自己CU…...

编程日记 2025/6/4 6:02:23

计算机的错误计算（二百一十二）

摘要 利用两个大模型计算 实验表明&#xff0c;两个大模型均进行了中肯的分析。另外&#xff0c;其中一个大模型给出了 Python代码&#xff0c;运行后&#xff0c;结果中有7位错误数字&#xff1b;而一个大模型进行加减运算时出错。 例1. 计算 下面是与一个大模型的对话…...

编程日记 2025/6/4 6:02:07

Inxpect毫米波安全雷达:精准检测与动态保护,工业自动化可靠选择

Inxpect毫米波安全雷达具备“精准检测、动态区域保护、环境适应性”三大核心功能。在工业自动化和机器人系统里&#xff0c;这些功能发挥着重要作用,有助于提升安全性与效率。Inxpect雷达运用毫米波技术&#xff0c;在诸如存在灰尘、烟雾或碎屑等复杂环境中&#xff0c;也能保持…...

编程日记 2025/6/2 5:30:18

springboot房屋租赁管理系统

Spring Boot房屋租赁管理系统是一种基于Spring Boot框架构建的&#xff0c;旨在解决传统租房市场中房源信息更新不及时、虚假信息泛滥、交易流程繁琐等问题的信息化解决方案。 一、系统背景与目的 随着城市化进程的加快和人口流动性的增强&#xff0c;租房市场需求急剧增长。…...

编程日记 2025/6/4 6:03:27

如何使用wireshark 解密TLS-SSL报文

目录 前言 原理 操作 前言 现在网站都是https 或者 很多站点都支持 http2。这些站点为了保证数据的安全都通过TLS/SSL 加密过&#xff0c;用wireshark 并不能很好的去解析报文&#xff0c;我们就需要用wireshark去解密这些报文。我主要讲解下mac 在 chrome 怎么配置的&…...

编程日记 2025/6/4 6:02:39

Gensim字典和语料库

自然语言处理（NLP）是计算机科学中涉及语言数据处理的核心领域之一，应用广泛，包括文本分类、情感分析、机器翻译、主题建模等任务。在处理海量文本时，如何将非结构化的语言数据转化为机器能够理解的结构化数据，是解决这些任务的关键。 Gensim 是一个用于处理和分析文本数…...

编程日记 2025/6/4 6:03:11

RK3588-NPU pytorch-image-models 模型编译测试

RK3588-NPU pytorch-image-models 模型编译测试 一.背景二.操作步骤1.下载依赖2.创建容器3.安装依赖4.创建脚本A.生成模型名列表B.生成ONNX模型C.生成RKNN模型D.批量测试脚本 一.背景 测试RK3588-NPU对https://github.com/huggingface/pytorch-image-models.git中模型的支持程…...

编程日记 2025/6/4 6:03:42

Doris 导入慢该如何排查及优化？

在使用 Apache Doris 进行数据导入时&#xff0c;经常会遇到导入性能不理想的情况。今天我们就来深入分析这些问题的原因及其解决方案&#xff01; Stream Load 导入慢 Stream Load 支持通过 HTTP 协议将本地文件或数据流导入到 Doris 中的一种方式&#xff0c;其速度还是相当…...

编程日记 2025/6/4 6:02:55

iOS - 关联对象的实现

根据源码总结一下关联对象(Associated Objects)的实现&#xff1a; 1. 关联对象的基本结构 // 对象的 isa 结构中包含关联对象标记 union isa_t {struct {uintptr_t nonpointer : 1; // 是否使用优化的 isauintptr_t has_assoc : 1; // 是否有关联对象// ...其他位…...

编程日记 2025/6/3 17:19:41

AudioGPT全新的 音频内容理解与生成系统

AudioGPT全新的 音频内容理解与生成系统 ChatGPT、GPT-4等大型语言模型 (LLM) 在语言理解、生成、交互和推理方面表现出的非凡能力，引起了学界和业界的极大关注，也让人们看到了LLM在构建通用人工智能 (AGI) 系统方面的潜力。 现有的GPT模型具有极高的语言生成能力，是目前最…...

编程日记 2025/6/2 8:48:35

【maptalks】加载SVG和GIF

加载SVG和GIF 一、加载SVG方法一&#xff1a;直接载入SVG文件&#xff0c;类似载入图片方法二&#xff1a;载入SVG路径 二、加载GIFVUEmaptalks实现GIF可拖拽点VUEmaptalks实现GIF跟随线条动画 一、加载SVG 方法一&#xff1a;直接载入SVG文件&#xff0c;类似载入图片 缺点&…...

编程日记 2025/6/3 17:22:58

【HarmonyOS NEXT】鸿蒙跳转华为应用市场目标APP下载页

【HarmonyOS NEXT】鸿蒙跳转华为应用市场目标APP下载页 一、问题背景&#xff1a; 如今&#xff0c;大家都离不开各种手机应用。随着鸿蒙系统用户越来越多&#xff0c;大家都希望能在鸿蒙设备上快速找到想用的 APP。华为应用市场里有海量的 APP&#xff0c;但之前从鸿蒙设备进…...

编程日记 2025/6/1 5:55:41

《leetcode-runner》【图解】如何手搓一个debug调试器——调试程序【JDI开发】【万字详解】

前文&#xff1a; 《leetcode-runner》如何手搓一个debug调试器——引言 《leetcode-runner》如何手搓一个debug调试器——架构 《leetcode-runner》如何手搓一个debug调试器——指令系统 本文主要聚焦于如何编写调试程序 背景 在leetcode算法背景下&#xff0c;用户只编写了…...

编程日记 2025/6/1 14:10:47

【高阶数据结构】线段树加乘（维护序列）详细解释乘与加懒标记

文章目录 1.题目[AHOI2009] 维护序列 2.懒标记处理先加后乘的形式1. 先加后乘的操作 先乘后加的形式2. 先乘后加的操作**乘法操作****加法操作** 懒标记的下传 3.代码 1.题目 题目来源:https://www.luogu.com.cn/problem/P2023 [AHOI2009] 维护序列 题目背景 老师交给小可可…...

编程日记 2025/5/30 23:31:13

ElasticSearch常见知识点

1、什么是ElasticSearch&#xff1f; Elasticsearch 是基于 Lucene 的 Restful 的分布式实时全文搜索引擎&#xff0c;每个字段都被索引并可被搜索&#xff0c;可以快速存储、搜索、分析海量的数据。 2、什么是倒排索引&#xff1f; 正常的索引是比如二叉树。倒排索引是用内容…...

编程日记 2025/6/4 10:37:21

ARM与x86：架构对比及其应用

典型的服务器架构的x86采用模块化方法&#xff0c;基于带有可更换组件的主板。CPU和其他组件&#xff08;如显卡和GPU、内存控制器、存储或处理核心&#xff09;针对特定功能进行了优化&#xff0c;可以轻松更换或扩展。然而&#xff0c;这种便利是有代价的&#xff1b;这些硬件…...

编程日记 2025/6/4 10:49:49

macos 搭建 ragflow 开发环境

ragflow 是一个很方便的本地 RAG 库。本文主要记录一下在本机的部署过程 1、总体架构说明 开发环境&#xff1a;macbook pro&#xff08;m1&#xff09;&#xff0c;16G内存 512G固态 因本机的内存和硬盘比较可怜&#xff0c;所以在服务器上部署基础 docker 包&#xff0c;…...

编程日记 2025/6/2 19:33:51

CVPR 2024 人体姿态估计总汇（3D人体、手语翻译和人体网格恢复/重建等）

1、Human Pose Estimation(人体姿态估计) CLOAF: CoLlisiOn-Aware Human FlowMeta-Point Learning and Refining for Category-Agnostic Pose EstimationSurMo: Surface-based 4D Motion Modeling for Dynamic Human Rendering ⭐codeGALA: Generating Animatable Layered Ass…...

编程日记 2025/5/29 19:50:34

docker 安装mongodb

1、先获取mongodb镜像 docker pull mongo:4.2 2、镜像拉取完成后&#xff0c;运行mongodb容器 docker run \ -d \ --name mongo \ --restartalways \ --privilegedtrue \ -p 27017:27017 \ -v /home//mongodb/data:/data/db \ mongo:4.2 --auth 3、mongodb服务配置 如上图&…...

编程日记 2025/6/4 0:57:14

82_Redis缓存雪崩击穿穿透问题

在实际业务应用中，Redis常常与诸如MySQL这类关系型数据库协同工作，旨在缓解后端数据库的负担。它扮演了一个高效缓存的角色，特别是针对那些频繁被访问的热点数据。当用户发起查询时，系统首先尝试从Redis中获取这些数据。由于Redis提供了极快的访问速度，如果数据存在于Redi…...

编程日记 2025/6/4 9:31:49

统计学习算法——逻辑斯谛回归

内容来自B站Up主&#xff1a;动画讲编程https://www.bilibili.com/video/BV1CR4y1L7RC、风中摇曳的小萝卜https://www.bilibili.com/video/BV17r4y137bW&#xff0c;仅为个人学习所用。 极大似然估计 几率、概率与似然 几率是指某个事件发生的可能性与不发生的可能性之比&am…...

编程日记 2025/6/3 21:11:25

设计模式03：行为型设计模式之策略模式的使用情景及其基础Demo

1.策略模式 好处&#xff1a;动态切换算法或行为场景&#xff1a;实现同一功能用到不同的算法时和简单工厂对比&#xff1a;简单工厂是通过参数创建对象&#xff0c;调用同一个方法&#xff08;实现细节不同&#xff09;&#xff1b;策略模式是上下文切换对象&#xff0c;调用…...

编程日记 2025/6/4 9:33:55

C51交通控制系统的设计与实现

实验要求&#xff1a; 本题目拟设计一个工作在十字路口的交通信号灯控制系统&#xff0c;设东西方向为主干道A&#xff0c;南北方向为辅助干道B。要求&#xff1a;&#xff08;1&#xff09;用发光二极管模拟交通灯信号&#xff1b;&#xff08;2&#xff09;灵活控制主、辅干…...

编程日记 2025/6/4 9:33:08

css 实现自定义虚线

需求&#xff1a; ui 画的图是虚线&#xff0c;但是虚线很宽正常的border 参数无法做到 进程&#xff1a; 尝试使用 border&#xff1a;1px dashed 发现使用这个虽然是虚线但是很短密密麻麻的 这并不是我们想要的那就只能换方案 第一个最简单&#xff0c;让ui 画一个图然…...

编程日记 2025/6/4 9:33:39

网络协议基础--协议分层

一.协议概述 1.TCP/IP 传输协议概述 TCP/IP 传输协议&#xff0c;即传输控制 / 网络协议&#xff0c;也被称作网络通讯协议。它是网络中使用的最基本通信协议&#xff0c;对互联网中各部分进行通信的标准和方法予以规定。通常所说的 TCP/IP 协议并非仅指 TCP 和 IP 两个协议&a…...

编程日记 2025/6/4 9:32:04

iOS - TLS（线程本地存储）

从源码中&#xff0c;详细总结 TLS (Thread Local Storage) 的实现&#xff1a; 1. TLS 基本结构 // TLS 的基本结构 struct tls_data {pthread_key_t key; // 线程本地存储的键void (*destructor)(void *); // 清理函数 };// 自动释放池的 TLS class Autorelease…...

编程日记 2025/6/4 9:32:36

主链和Layer2之间资产转移

主链和Layer2之间资产转移 主链和Layer2之间资产转移是实现Layer2技术的关键环节，以下是资产转移的流程、流行解决方案及原理： 资产从主链转移到Layer2 用户在主链上发起一笔交易，将资产发送到一个特定的智能合约地址，这个合约是主链与Layer2之间的桥梁。智能合约会锁定用…...

编程日记 2025/6/4 9:33:23

深度学习-算法优化与宇宙能量梯度分布

在当今迅速发展的科技世界中&#xff0c;算法优化和能量分布问题已成为研究的热点&#xff0c;尤其是在人工智能、机器学习和物理科学领域。算法优化通常涉及提高计算效率和降低资源消耗&#xff0c;而宇宙能量梯度分布则涉及宇宙中能量的分布和流动方式。两者看似是完全不同的…...

编程日记 2025/6/3 19:53:35

《Java核心技术II》实现服务器

实现服务器 这节实现简单服务器&#xff0c;可以向客户端发送信息。 服务器套接字 ServerSocket用于建立套接字 var s new ServerSocket(8189); 建立一个监听端口8189的服务器。 Socket incoming s.accept(); 此对象可以得到输入流和输出流。 InputStream inStream incomin…...

编程日记 2025/6/4 9:32:52

登上Nature！交叉注意力机制 发顶会流量密码！

在深度学习领域&#xff0c;交叉注意力融合技术正迅速崛起&#xff0c;并成为处理多模态数据的关键工具。这一技术通过有效地整合来自不同模态的信息&#xff0c;使得模型能够更好地理解和推理复杂的数据关系。 随着多模态数据的日益普及&#xff0c;如图像、文本和声音等&…...

编程日记 2025/6/4 9:47:08