Jul, 2016

CNN-LTE：一类基于标签树嵌入的 1-X 池化卷积神经网络，用于音频场景识别

PDF
TL;DR该论文报道了我们在 DCASE 2016 挑战赛中提交的音频场景识别系统，使用自动构建的标签树进行特征提取，并在其基础上利用卷积神经网络对场景进行识别，取得了相对于基线系统的绝对提升，其开发数据和测试数据的综合识别准确率分别为 81.2% 和 83.3%。
audio scene recognitionlabel treeconvolutional neural networksfeature extractiondcase 2016 challenge
发现论文，激发创造
  • 深度循环神经网络进行音频场景分类

    本文使用深度循环神经网络，将音频场景转换为一系列高级标签树嵌入特征向量序列，将其分割为多个子序列，并对序列进行标签分类，最终获得全局预测标签。在 LITIS Rouen 数据集上，实现了 97.7% 的 F1 分数，与该数据集上最佳结果相比，相对分类错误率减少 35.3%。

    Mar, 2017

  • 用卷积神经网络和 x-vector 嵌入进行 DCASE2018 声学场景分类挑战

    本文描述了布尔诺科技大学参加 DCASE-2018 挑战的任务 1（声景分类，ASC）提交作品。采用了两种不同的卷积神经网络拓扑结构，结合了 log mel-spectrogram 和 CQT 特征提取声音，以及一维 CNN 提取固定长度的 x 向量。多种系统输出采用简单的输出平均法，最优表现中我们的提交获得了 ASC 子任务 A（task1a）24 个团队中的第三名。

    Oct, 2018

  • 声学场景分类的标签树嵌入

    本文提出了一种利用类别标签结构实现高效声学场景分类的方法，首先通过学习类别标签的聚类来自动构建一个多层结构的元类别分类学，然后将声学场景嵌入到低维度的特征表示中进行分类，该方法在 DCASE 2013 和 LITIS Rouen 数据集上均取得了最先进的结果。

    Jun, 2016

  • 基于门卷积神经网络的大规模弱监督音频分类

    本文介绍了一种门控卷积神经网络和一种基于时间注意力的定位方法，用于音频分类，并在 DCASE 2017 挑战赛的大规模弱监督声音事件检测任务中获得了第一名。

    Oct, 2017

  • 大规模音频分类的 CNN 结构

    本文介绍了使用几种不同的卷积神经网络对音频进行分类，发现在大型数据集上运用图像分类中的卷积神经网络架构对于音频分类也十分有效，使用嵌入分类器的模型对音频事件检测的任务表现优于对原始特征的直接使用。

    Sep, 2016

  • DCASE2017 挑战赛任务 4 的 Surrey-cvssp 系统

    本文介绍了通过采用基于卷积神经网络和循环神经网络的基本框架以及学习可控门激活函数、基于关注机制的方案和新的批次平衡策略等方法来解决 Acoustic Scenes 和 Weakly-Supervised Learning 问题。在该方法下，我们的音频标记和声音事件检测分别取得了 61% 和 0.73 的 F-Value 和 error rate。

    Sep, 2017

  • 使用卷积神经网络从弱标记音频进行知识转移，用于声音事件和场景

    本研究提出了一种基于卷积神经网络的弱标记音频数据分类框架，可用于转移学习，并证明了该方法对于领域和任务适应都具有有效性，此外还展示了该方法有助于捕捉语义含义和关系。

    Nov, 2017

  • 基于深度卷积循环模型的注意力和定位方法，用于弱监督音频标记

    此研究提供了一种深度卷积循环模型，结合注意力机制和时间定位模块，进行弱监督的音频标记，以及在 DCASE 2016 挑战中达到了良好的性能。

    Mar, 2017

  • AclNet：高效端到端音频分类卷积神经网络

    本研究提出了一种高效的端到端卷积神经网络架构 AclNet，该网络采用数据增强和正则化训练后，在 ESC-50 语料库上取得了 85:65％的准确率，且高效的运算和内存需求可开启能源高效平台的始终在线推理。

    Nov, 2018

  • DCASE 挑战赛 2016 上的实验：现实录音中的声音场景分类和声音事件检测

    本文介绍了我们在实战录音的声音场景分类任务和声音事件检测任务中采用的低级和高级特征、分类器优化以及特定的其他方法，我们的表现优于 DCASE 的基线，对于任务 1，我们的总体准确性为 78.9％，超过基线 72.6％；对于任务 3，我们的基于段的错误率为 0.76，超过基线 0.91。

    Jul, 2016