该研究针对大型数据集中的声音事件分类中标签噪声的问题，提出了 FSDnoisy18k 数据集，并提供了卷积神经网络（CNN）基准系统。实验证明，与小型仔细标记的数据相比，大量带噪声的数据可以更好地训练模型，同时还证明了当标签数据受损时，噪声鲁棒性损失函数可以有效地提高模型性能。

Jan, 2019

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

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。

Jul, 2018

本文描述了如何使用弱标记的数据，提出了一种基于时频分割框架的声音事件检测和分离方法。文中提出的方法包括使用卷积神经网络处理分割映射和使用全局加权排名池化处理分类映射，从而可以在 F1 方面优于现有方法。

Apr, 2018

本文介绍了 EPIC-SOUNDS 数据集，该数据集包含 78.4k 个用于声音事件和行动识别的类别化段，以及 39.2k 个非类别化段。通过构建注释流程，该数据集具有时间标签和类标签，允许我们训练和评估两种状态最佳的音频识别模型，突出了仅音频标签的重要性以及当前模型识别声音行动的局限性。

Feb, 2023

该报告介绍了 DCASE2020 挑战赛 SELD 任务的数据集和评估设置，该任务涉及同时分类已知的声音事件类别、检测其时间激活，并在其活动时估计其空间方向或位置。

Jun, 2020

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

本论文描述了利用 ADS-B 无线电传输来被动采集和标记音频样本的方法，介绍了 AeroSonicDB（YPAD-0523）数据集，该数据集包含用于训练声学检测和分类系统的低空飞行器声音。文中提供了所收集的数据集的摘要，并展示了三个二元分类模型的基准结果，讨论了当前数据集的局限性和未来的潜力。

Nov, 2023

本文提出了一种音频视觉融合模型，该模型利用注意机制动态地结合单独的音频和视觉模型的输出来识别声音，实验证明该模型在音频场景分析和机器感知上比单模和多模融合模型具有更好的效果。

May, 2020

本文提出了一个音频 - 视频声音事件本地化和检测（SELD）任务，它使用多通道音频和视频信息来估计目标声音事件的时间激活和 DOA。音频 - 视觉 SELD 系统可以使用来自麦克风阵列和音频 - 视觉对应的信号来检测和定位声音事件，并介绍了一个音频 - 视觉数据集，其中包含了用于监测人员活动和声音事件发生的多通道音频数据记录。

Jun, 2023