Oct, 2021

FilterAugment: 一种声学环境数据增强方法

PDF
TL;DR提出了一种名为 FilterAugment 的数据增强方法，用于在不同声学环境下正则化音频模型。通过在频率带上应用不同的权重，这种方法可以模拟声学滤波器，从而使模型能够从更广泛的频率区域提取相关信息。实验证明，与频率屏蔽相比，FilterAugment 在声音事件检测性能方面的提升为 6.50％，在说话人验证方面取得了 1.22％的等误率。
发现论文，激发创造
  • SpecAugment：一种简单的自动语音识别数据增强方法

    通过在神经网络的特征输入（即滤波器组系数）中直接应用声音数据扩充方法 SpecAugment - 扭曲特征，掩盖一定数量的频道块以及时间步长，我们在端到端的语音识别任务上实现了最先进的性能，超过了所有以前的工作。

    Apr, 2019

  • 使用 SpecAugment 进行端到端语音翻译

    本研究探讨了一种简单的数据增强技术 SpecAugment，用于端到端的语音翻译，通过遮蔽频道块和 / 或时间步骤，减轻过拟合，对 LibriSpeech Audiobooks En->Fr 数据集 BLEU 提高了 2.2％，对 IWSLT TED-talks En-> 通用德语数据集提高了 1.2％，并证明这一方法在各种数据条件下都能带来显著的改进。

    Nov, 2019

  • 基于光滑感应正则化和基于频谱图的数据增强的水声目标识别

    本研究提出在数据量有限的情况下，采用平滑性正则化，即只在正则项中加入模拟信号，并使用专门的光谱图基础数据增强策略（LMR），以避免性能下降的风险来增强模型的泛化能力。实验证明了该方法具有优越性。

    Jun, 2023

  • 大规模数据集上的 SpecAugment

    本文介绍了一种基于 SpecAugment 的自适应掩蔽方法，该方法可以直接作用于语音识别中输入语音信号的高频图谱上，并证明了该方法在大规模数据集上的有效性，通过将增强数据与噪声扰动训练的数据混合使用，使得模型在所有测试领域中都取得了进一步的提升。

    Dec, 2019

  • 视频表示学习的频率选择性增强

    本文提出了一种基于频域的时空数据增强方法，称为 FreqAug，可以在吸收视频信息的过程中减少对静态信息的偏好，以更好地学习视频表示，并在五个视频动作识别和两个时间动作定位下游任务上表现出一致的改进。

    Apr, 2022

  • RepAugment：面向输入的表示层数据增强用于呼吸音分类

    探索预训练语音模型在呼吸音分类中的有效性，并提出了能够处理预训练语音波形的输入不可知表示级别增广技术。实验结果表明，该方法优于 SpecAugment，在少数疾病类别的准确性上实现了显著改善，最高达到 7.14%。

    May, 2024

  • AudRandAug: 音频分类的随机图像增强

    通过使用 RandAug 的音频版本 AudRandAug 来进行音频数据增强，本研究表明 AudRandAug 在准确性能方面优于其他现有的数据增强方法。

    Sep, 2023

  • 深度卷积神经网络与数据增强在环境音分类中的应用

    本文提出了一种使用深度卷积神经网络和音频数据增强相结合的方法来进行环境声音分类，通过对增强技术的探索发现在不同类别下所使用的增强技术会对分类准确率产生影响。实验结果表明，该方法在环境声音分类上表现出了最先进的效果。

    Aug, 2016

  • 利用傅里叶基函数填补增强间隙：重新思考图像分类中的频率增强

    在这篇论文中，我们提出了一种称为辅助傅立叶基扩充（AFA）的补充技术，它针对频域扩充，填补了视觉扩充留下的扩充间隙。我们通过傅立叶基加性噪声在直接且高效的对抗设置中展示了扩充的效用。我们的结果表明，AFA 有助于模型对常见破坏、OOD 泛化以及对于逐渐增加的扰动模型性能的一致性的鲁棒性，而对于模型的标准性能则无明显损害。它可以与其他扩充技术无缝集成，进一步提升性能。

    Mar, 2024

  • SpecMix : 一种混合样本数据增强方法用于基于时频域特征的训练

    本文提出了一种混合样本数据增强策略 Specmix，可以提高模型在音频场景分类、声音事件分类和语音增强任务中的性能。通过应用时间频率掩码来混合两个不同的数据样本，有效地保留音频数据中的频谱相关性，实验表明，该方法可以最大程度地提高各种神经网络架构的性能，提高了 2.7%。

    Aug, 2021