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。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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