基于深度胶囊网络融合模型的多声音事件检测
传统的胶囊网络架构是基于动态路由机制实现的，需要大量迭代和向量计算来更新权值系数，并且胶囊之间不存在信息共享，导致信息冗余。针对这一缺陷，本工作提出了一种基于融合深度胶囊网络的多声音事件检测模型，在门控卷积和3D卷积下通过动态路由减少了特征重叠导致的信息冗余，并且对原始特征进行编码，将其用于特征信息补充，提高了训练次数模型的速度和准确性。本工作使用 …
qingzhou-jiang
传统的胶囊网络架构是基于动态路由机制实现的，需要大量迭代和向量计算来更新权值系数，并且胶囊之间不存在信息共享，导致信息冗余。针对这一缺陷，本工作提出了一种基于融合深度胶囊网络的多声音事件检测模型，在门控卷积和3D卷积下通过动态路由减少了特征重叠导致的信息冗余，并且对原始特征进行编码，将其用于特征信息补充，提高了训练次数模型的速度和准确性。本工作使用 …
声音事件检测是目前计算机听觉领域中的重要问题，而多声音事件检测是其中一个极具挑战性的研究热点。基于最新提出的非迭代的自注意力路由方法和胶囊网络，本文提出了一种基于自注意力路由的多路径胶囊网络模型，将其用于多声音事件检测。由于自注意力路由方法是非迭代且高度并行的，大大加快了模型的训练速度；多路径基础胶囊层使用不同大小的非对称卷积核，不仅使模型能获得不同分辨率的 …