基于迁移学习的室内小样本声源定位方法研究
吴爽
冯涛
王晶
北京工商大学人工智能学院 北京 100048
摘要：针对实测数据样本数量不足,导致声源定位模型定位性能受限的问题,提出一种基于迁移学习的室内声源定位方法.该方法使用卷积神经网络搭建迁移学习模型,对大量的仿真数据进行预训练,在预训练模型的基础上对小样本实测数据进行再训练,从而实现小样本数据的室内声源定位.基于TAU Spatial Sound Events 2019数据集的实验表明:迁移学习模型针对不同小样本实测数据均可实现高准确率方位预测,且定位性能优于传统卷积神经网络模型,对迁移学习理论在室内声源定位中的应用具有一定的价值.
关键词：室内声源定位迁移学习小样本卷积神经网络
分类号：TB52+9(声学工程)
论文发表日期：2023-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 74-78 )
英文信息