Techniques Improving the Robustness of Deep Learning Models for Industrial Sound Analysis
Techniques Improving the Robustness of Deep Learning Models for Industrial Sound Analysis
复制标题
提高工业声音分析深度学习模型鲁棒性的技术
DOI：
10.23919/eusipco47968.2020.9287327
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
S. Grollmisch
中科院分区：
文献类型：
--
作者：
D. Johnson;S. Grollmisch
登录
查看更多内容
DOI：
10.1109/waspaa.2019.8937231
发表时间：
2019-04
期刊：
2019 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA)
影响因子：
--
作者：
K. Drossos;P. Magron;T. Virtanen
通讯作者：
K. Drossos;P. Magron;T. Virtanen
DOI：
--
发表时间：
2018
期刊：
--
影响因子：
--
作者：
J. S. Gomez;J. Abeßer;Estefanía Cano
通讯作者：
J. S. Gomez;J. Abeßer;Estefanía Cano
研究基于 CNN 的西方古典音乐录音乐器族识别
DOI：
--
发表时间：
2019
期刊：
International Society for Music Information Retrieval Conference
影响因子：
--
作者：
Michael Taenzer;J. Abeßer;S. I. Mimilakis;Christof Weiss;Meinard Müller
通讯作者：
Meinard Müller
哥伦比亚安第斯弦乐唱片中的合奏规模分类
DOI：
10.1007/978-3-030-70210-6_4
发表时间：
2019
期刊：
影响因子：
--
作者：
S. Grollmisch;E. Cano;F. Mora-Ángel;G. López Gil
通讯作者：
G. López Gil
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
Michal Kosmider
通讯作者：
Michal Kosmider