空间全维动态交互网络

F20∘ 提升 8.2%

一种用于声音事件定位与检测的新型深度学习架构，通过全方位动态交互和递归高阶空间交互提升特征提取能力。

Tongyang, Dao · 郭敏 · 马苗

Signal, Image and Video Processing 2023

参数信息

F20∘（macro）

8.2 %

LRCD

8.5 %

LECD

6.6 °

技术优势

性能显著提升

通过结合自注意力、卷积和 SoftPool 的 ACSmixBlock 以及递归高阶空间交互的 SODBlock，网络能够提取更丰富的通道特征，从而在多个评估指标上优于基线模型。

减少信息损失

使用 SoftPool 进行下采样能够减少声音事件的信息损失，同时多头注意力机制防止训练过拟合。

应用场景

• 声音事件定位与检测：用于直接提升声音事件定位与检测系统的性能指标。
• 智能监控：用于智能监控中更准确地识别和定位异常声音事件。