利用Swin Transformer V2实现鲁棒脉冲声谱分类的架构可扩展性与注意力稳定性
《IEEE Access》:Architectural Scalability and Attention Stabilization for Robust Impulsive Acoustic Spectrogram Classification Using Swin Transformer V2
【字体:
大
中
小
】
时间:2026年04月02日
来源:IEEE Access 3.6
编辑推荐:
摘要:基于频谱图表示的脉冲声学事件分类仍然具有挑战性,因为瞬态信号具有非平稳和宽带特性。尽管卷积神经网络(CNN)已被广泛用于基于频谱图的分类,但它们对局部卷积感受野的依赖可能会限制对长距离频谱-时间依赖性的建模。本研究探讨了Swin Transformer V2在鲁棒脉冲声学
摘要:
基于频谱图表示的脉冲声学事件分类仍然具有挑战性,因为瞬态信号具有非平稳和宽带特性。尽管卷积神经网络(CNN)已被广泛用于基于频谱图的分类,但它们对局部卷积感受野的依赖可能会限制对长距离频谱-时间依赖性的建模。本研究探讨了Swin Transformer V2在鲁棒脉冲声学频谱图分类方面的架构可扩展性和注意力稳定性。开发了一个全面的实验框架,使用了十二种时频表示方法,包括Bark、Chromagram、Cochleagram、Constant-Q Transform(CQT)、Delta、Delta-Delta、Log-Mel、Mel、MFCC、Spectral Contrast、Short-Time Fourier Transform(STFT)和小波频谱图。评估了多种Swin Transformer配置,并将其与广泛使用的CNN基线架构(包括ResNet50、ResNet101、EfficientNet-B0和InceptionResNetV2)进行了比较,采用统一的训练协议和五折分层交叉验证。实验结果表明,Swin Transformer V2在各种频谱图表示方法上始终比CNN基线实现了更高的分类准确率和宏观F1分数。此外,分层注意力机制提高了数据划分的稳定性,并在频谱图分辨率变化的情况下增强了鲁棒性。这些发现突显了基于Transformer的架构在模拟脉冲声学信号中复杂频谱-时间结构方面的有效性,并为基于频谱图的声学分类中Swin Transformer模型的架构行为提供了见解。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号