Sep, 2023

在线声音事件检测的主动学习

PDF
TL;DR在线主动学习（OAL）应用于声音事件检测（SED）时，本研究提出了能够解决 OAL 中存在的挑战的新型损失函数，实验结果表明 OAL 可将训练 SED 分类器所需的时间和精力减少 5 倍，并成功解决现有 OAL 方法存在的问题。
data collectionannotationonline active learningsound event detectionvoice-type discrimination
发现论文，激发创造
  • 资源受限环境中的深度主动音频特征学习

    讨论一种在生物声学应用中使用主动学习框架并结合特征提取的方法，能够有效减少数据标记的工作量，提高分类模型的效果。

    Aug, 2023

  • 医学图像分析的在线主动深度学习 (O-MedAL)

    本文介绍了一种新的在线主动深度学习方法，在医学影像分析中取得了显著的性能提升，通过新的采样方法和在线学习，只需使用 25% 的标注数据，就能使深度网络的精度提高 6.30％，在二分类和多分类任务中也展现出很好的鲁棒性。

    Aug, 2019

  • 面向可计算的深度主动学习

    该研究介绍了两种用于文本分类和标记任务的技术，可以显著减少深度学习中主动学习繁重的计算资源需求，通过伪标签和蒸馏模型实现更高性能的模型训练。

    May, 2022

  • SoQal：基于一致性主动学习的心脏信号选择性 Oracle 问询

    提出一个主动学习框架，结合 Bayesian Active Learning by Consistency（BALC）和 SoQal 两个子框架， 用于减轻医学场景下无标签数据丰富但有限带标签数据的问题，并且在实验中验证了 BALC 和 SoQal 的优越性。

    Apr, 2020

  • 弱监督可扩展音频内容分析

    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

  • 部署主动学习的实际障碍

    本文研究了主题 “主动学习”，发现尽管在特定模型和特定领域中使用主动学习可能会带来好处，但在不同模型和任务之间泛化当前方法的好处不可靠，并且主动学习的认购数据与指导其获取的模型相结合，与使用独立同分布的（I.I.D）随机样本训练继任模型的方法相比并没有明显的优势，主动学习的局限性是否值得现实中的应用，值得深思。

    Jul, 2018

  • 深度主动学习综述

    这篇文章探讨了深度主动学习的现状和未来发展方向，介绍了目前现有的挖掘数据特征的多种方法，并且对 “深度主动学习” 进行了定义和系统梳理。

    Aug, 2020

  • 一个带有类平衡策略的时间序列分类的主动学习框架

    本研究探讨主动学习策略在降低时序分类任务中所需标记数据数量方面的应用，通过提出一种新的类平衡实例选择算法，有效地解决了不平衡时序数据集中的分类性能和实例选择偏差问题，并在触觉纹理识别和工业故障检测领域证明了该方法的有效性。

    May, 2024

  • ALWOD: 弱监督目标检测的主动学习

    ALWOD 是一种综合使用主动学习、弱监督学习和半监督学习范式的新框架，通过利用极小标记集合和大型弱标记图像集合的辅助图像生成策略来初始化模型，利用学生 - 教师目标检测对的不一致性和不确定性来选择最有信息量的图像进行注释，并引入了一种新的标注任务，基于模型提出的检测进行人工标记的选择和修正，实现了快速而有效的标注过程，从而显著缩小了只使用部分标记但经过策略选择的图像实例进行训练的目标检测模型和仅依赖完全标记数据进行训练的模型之间的差距。

    Sep, 2023

  • 跨模态监督学习视频中的活动发言者检测

    本文利用音频监督视频中活跃讲话者检测的学习，通过声音活动检测 (VAD) 以弱监督的方式指导基于视觉的分类器学习。使用时空特征进行分类，学习人特定的模型以及在线适应性的改进，利用时间连续性克服了缺乏干净训练数据的问题。通过跨模态学习，不需要监督，将知识从一种模式传递到另一种模式，建立了自学习活跃讲话者检测系统。

    Mar, 2016