Jul, 2018

使用 AudioSet 标签对 Freesound 音频进行通用标记：任务描述，数据集和基线

PDF
TL;DR本文介绍了 DCASE 2018 挑战赛的任务 2，即使用 AudioSet 标签对 Freesound 内容进行通用音频标记。本人们在 Kaggle 平台上托管了此任务， 目标是建立能够识别来自 41 个不同类别的音频剪辑的类别的音频标记系统。我们介绍了任务、为比赛准备的数据集和基准系统。
发现论文，激发创造
  • 噪声标签和最小监督下的音频标注

    介绍了 DCASE2019 挑战赛的任务 2，旨在使用大量嘈杂标注数据和少量手动标注数据下，评估具有 80 个声音类别的大词汇设置中的多标签音频标记系统，同时提出了一种基于卷积神经网络的基线系统和 FSDKaggle2019 数据集。

    Jun, 2019

  • DCASE 2020 挑战中的声音场景分类：跨设备泛化和低复杂度解决方案

    本文介绍了 DCASE 2020 挑战赛的任务 1：声学场景分类的详细信息，该任务包含两个子任务：使用多个设备的数据进行分类，需要良好的泛化性能，并且使用低复杂度解决方案进行分类。在这里，我们描述了数据集和基线系统。在挑战提交截止日期之后，将添加挑战结果和提交的分析。

    May, 2020

  • 使用注意力神经网络的弱标记 AudioSet 标记

    本研究提出了一种使用注意力神经网络解决音频分类的方法，该方法在 AudioSet 数据集上进行实验，并发现使用 embedding feature 的音频标记性能与每个声音类别的训练样本数量和标签质量的相关性较弱。

    Mar, 2019

  • 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

  • 家庭环境下大规模弱标注半监督声音事件检测

    本文介绍 DCASE 2018 任务 4，重点评估了利用弱标签数据（没有时间边界）进行大规模声音事件检测的系统，挑战在于探索未标记的数据集与小的弱标签训练集结合以提高系统性能。数据来源于 YouTube 家庭环境视频片段，具有环境辅助生活等很多应用潜力。

    Jul, 2018

  • FSD50K：一个带有人工标记的声音事件开放数据集

    介绍了一个新的开放音频数据集 FSD50K，其包含了来自 AudioSet 本体中的 200 个分类中的超过 51k 个手动标记的音频片段，旨在成为声音事件识别（SER）领域的新开放基准数据集。

    Oct, 2020

  • 利用人工智能辅助策略优化标注预算的野外录音数据集创建实务方面的问题

    机器听觉的研究聚焦于开发从音频信号中提取相关信息的技术，本文强调了在获取和标注具有上下文的数据方面的重要性，提出了一种综合的数据中心框架用于机器听觉项目，在资源受限的情况下实现配置录音节点、数据库结构和标注预算优化，通过使用专家标注员而非众包实现主动学习，以解决处理大规模、不断增长的数据集带来的计算资源和内存限制等问题。

    May, 2024

  • 一个用于城市声景分类的多设备数据集

    本文介绍了 DCASE 2018 挑战赛的声景分类任务和提供给该任务的 TUT Urban Acoustic Scenes 2018 数据集， 并评估了基线系统在该任务中的性能。同时，本文还提出了基线系统，该系统包括卷积神经网络， 并介绍了其在子任务中的性能。

    Jul, 2018

  • 自动音频字幕和基于语言的音频检索

    参加了 DCASE 2022 比赛的两个子任务：自动音频字幕和基于语言的音频检索。在 Clotho 数据集上评估使用多种评估指标的基线模型和一些实验，分别对音频字幕和语音检索任务的最终表现进行了改进。

    Jul, 2022

  • 环境声音分类的深度学习方法第二次比较之正确的音频标记

    本研究旨在通过对最大弱标注声音事件数据集 AudioSet 上的最新两类神经架构文章和加权后的 CNN 文章以及关键优化参数进行深入实验，为研究者和实践者提供性能，效率和优化过程之间的平衡见解。

    Mar, 2022