利用多标签多任务卷积循环神经网络统一独立和重叠音频事件检测

Nov, 2018

利用多标签多任务卷积循环神经网络统一独立和重叠音频事件检测

Unifying Isolated and Overlapping Audio Event Detection with Multi-Label Multi-Task Convolutional Recurrent Neural Networks

PDF

Huy Phan, Oliver Y. Chén, Philipp Koch, Lam Pham, Ian McLoughlin...

TL;DR论文提出了一种基于卷积循环神经网络的多标签多任务框架，可以同时检测单个和重叠音频事件，并具备有效的特征提取、事件分类和边界定位能力，并使用三个不同的序列损失函数对网络进行训练，在两个数据集上的实验结果表明模型具有良好的泛化性能。

Abstract

We propose a multi-label multi-task framework based on a convolutional recurrent neural network to unify detection of isolated and overlapping audio events. The framework leverages the power of convolutional recurrent neural network architectures; convolutional layers learn effective f

multi-label multi-task framework convolutional recurrent neural network audio event detection temporal boundaries network training

发现论文，激发创造

使用卷积循环神经网络进行声音事件定位和重叠源检测

本研究提出了一种卷积循环神经网络，用于在三维空间中联合定位和检测多个重叠声音事件。该方法能够有效地估计声音事件的位置和检测每个时间帧中所有声音事件类的活动，并且避免了特征提取方面的任何限制。

Jun, 2018

利用弱标记数据集的堆叠卷积和循环神经网络进行声音事件检测

该论文提出了一种神经网络架构和训练方案，能够预测音频记录中声音事件开始和结束时间（强标签），通过使用弱标签作为标签，网络使用卷积和递归神经网络进行训练，该方法在 155 小时的 17 种声音事件类别数据集上实现了最佳错误率 0.84 和弱标签 F-score 43.3% 的预测效果。

Oct, 2017

卷积循环神经网络用于多声事件检测

本研究利用卷积神经网络 (CNN) 和循环神经网络 (RNN) 实现了声音事件监测，取得了比之前方法显著的效果提升。

Feb, 2017

利用空间特征和卷积循环神经网络进行声音事件检测

本文提出使用从多通道音频中提取的低级空间特征进行声音事件检测，通过初始阶段从每个通道中单独学习这些多通道特征，扩展了卷积递归神经网络以处理更多类型的这些特征，并表明将特征呈现为体积的单独层，而不是将每个通道的特征串联成单个特征向量，可以更好地学习多通道音频中的声音事件。与单声道特征相比，在相同网络上使用所提出的空间特征，在公开可用的 TUT-SED 2016 数据集上的 F-score 提高了 6.1％，在 TUT-SED 2009 数据集上的 F-score 提高了 2.7％，该数据集是其 15 倍大。

Jun, 2017

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

具有 1-Max 池化卷积神经网络的强健音频事件识别

本研究提出了一种简单而高效的卷积神经网络（CNN）架构，用于鲁棒的音频事件识别，并采用变尺寸的卷积滤波器和 1-max 池化方案等创新特性，在标准的鲁棒音频事件识别任务上表现不但表现出最新技术水准，并且在识别准确率上优于其他深度网络架构 4.5％，相当于 76.3％的相对误差降低。

Apr, 2016

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

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 3D 卷积神经网络进行多通道声音事件检测，学习通道间特征

本文提出采用卷积和循环神经网络 (CRNN)，其中第一层采用 3D 卷积神经网络 (CNN) 用于多声道声音事件检测 (SED) 任务。实验结果表明，使用多声道 Ambisonic 音频与单声道音频相比，在准确率、错误率以及检测到重叠声音事件的时间段方面都有明显提高。

Jan, 2018

适用于真实录音的多声音事件检测的循环神经网络

本文提出了一种基于 BLSTM 循环神经网络的多音事件检测方法，该方法通过训练一个多标签 BLSTM RNN，将包括音乐、车辆、讲话等 61 类在内的多种声音的声学特征映射到每个事件类别的二进制活动指示符上，并且通过使用数据增强技术进一步提高了识别结果的准确性，系统在实测中平均 F1 分数分别为 65.5％和 64.7％。

Apr, 2016