本文提出使用弱标签数据学习声音事件检测器的框架，并给出两个基于支持向量机和神经网络解决多实例学习的方法，有助于提高数据处理效率和实现完整音频记录描述。

May, 2016

本文介绍了一种利用异构弱标注数据进行音频事件检测的弱监督学习框架，同时提出了一种可扩展的多实例学习算法，并证明了其在音频事件检测中具有竞争力。

Jun, 2016

本研究使用基于 CNN 的方法进行弱监督下的音频事件训练，研究了弱标签密度和标签纠错对模型训练的影响，还探索了从网络直接获取弱标签数据的可行性，并与手动标记数据进行了比较，这些因素的分析和理解应考虑在开发未来的弱标签学习方法中。

Apr, 2018

本文提出了 “事件度” 的概念用于音频事件检测，并从视觉上类比为在频谱图中出现的物体检测问题，提出以在视觉中对象检测模型来解决单音或多音频事件检测问题并得出了与当前最先进水平相当的结果。

Dec, 2017

提出了一种基于联合检测和分类模型的音频标记方法，能够在保留信息丰富的同时忽略无用信息，从而将错误率从 19.0% 降低至 16.9%。此外，该方法还具有不需要事件级标签便能训练成功的优点。

Oct, 2016

本研究提出了一种新的声音事件检测方法，使用卷积神经网络结合大的输入层来提取长时频结构特征，同时采用数据增强方法防止过拟合，实验表明该方法在声音事件检测上表现优异，超过了现有方法，取得了 16% 的绝对提升。

Apr, 2016

本文针对传统事件检测模型的预定义事件类型的限制，提出了一种通过多个关键词描述事件类型以匹配文本特定上下文以适应新事件类型的新方法，同时，引入了一种基于新方法的卷积神经网络特征注意力机制来提高事件检测性能。实验表明，该方法增强了事件检测对于新类型的适应性，并且特征注意力机制有助于提高检测性能。

Oct, 2019

这篇论文介绍了关于语音事件检测的两个主要挑战：在不遗忘以前的事件的情况下持续整合新事件，以及语义与声学事件的分离。为了解决这些挑战，作者提出了一种新的任务 —— 从语音中进行持续事件检测，并提供了两个基准数据集。他们提出的 “双重混合” 方法将语音专业知识与强大的记忆机制相结合，以提高适应性并防止遗忘。实验结果表明，这项任务在当前计算机视觉和自然语言处理领域的最新方法中仍存在非常大的挑战。该方法在各种连续学习序列中具有最低的遗忘率和最高的泛化水平，具有鲁棒性。相关的代码和数据可以在此 https URL 获得。

Apr, 2024

提出了一种新的深度网络用于音频事件识别，名为 AENet，该网络采用卷积神经网络以在时间维度上对音频事件进行长时间频率结构的建模来训练端到端的音频事件检测系统，在事件识别、动作识别和视频亮点检测等视听任务中，结合 AENet 特征和视觉特征效果显著。

Jan, 2017

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