采用多视角注意力的声音事件定位与检测

摘要： 近年来，基于深度学习的方法有效改进了声音事件定位与检测的性能，但当场景中存在多声源重叠时，准确的声源时空信息估计依然较为困难，声音事件定位与检测的性能存在较大提升空间。为充分挖掘多通道深层表示所包含的关键信息，本文提出了一种多视角注意力网络模型MVANet(Multi-View Attention Network)。首先，引入软参数共享网络架构实现不同任务之间的交互学习，计算多... （共11页）