一种基于注意力机制的多尺度音频场景识别方法：建立基于注意力机制的多尺度音频场景识别卷积神经网络模型，用于准确识别不同频带大小和不同持续时间的音频场景；将包含有不同场景类别的音频文件和对应的场景类别的训练集输入基于注意力机制的多尺度音频场景识别卷积神经网络模型，对基于注意力机制的多尺度音频场景识别卷积神经网络模型进行训练；读取音频文件并进行预处理，得到音频信号片段；从音频信号片段中提取对数梅尔图；将对数梅尔图输入到训练后的基于注意力机制的多尺度音频场景识别卷积神经网络模型中，得到最终的场景类别。本发明对频带范围和持续时间不同的多尺度声音场景都有很好的识别准确率,可以应用到嵌入式等移动设备中。