May, 2024

深空可分离蒸馏用于轻量级声场分类

PDF
TL;DR为了解决当前深度学习方法在声场分类中计算复杂度高、性能不理想的问题，我们提出了一种深度可分离蒸馏网络。该网络在对 log-mel 频谱图进行高低频分解的同时显著降低了计算复杂度，并特别设计了三种轻量级算子，包括可分离卷积、正交可分离卷积和可分离部分卷积，这些算子在声场分类任务中具有高效的特征提取能力。实验结果表明，与当前流行的深度学习方法相比，该方法在性能上提高了 9.8%，同时参数数量和计算复杂度更小。
acoustic scene classificationdeep learning-based methodslightweighthigh-low frequency decompositionefficient feature extraction
发现论文，激发创造
  • 采用师生方案和多频谱图的音效场景分类低复杂度深度学习框架

    本文提出了一种低复杂度深度学习系统，通过两个阶段的教师 - 学生网络训练，从而实现声场分类问题的高精度解决，精度达到了 57.4% 并且比常规的 DCASE 基线提升了 14.5%。

    May, 2023

  • 韧性、通用且低复杂度声景分类系统和一个有效的声景上下文呈现可视化工具

    本文提出了一种基于残差 - 插入结构网络的深度神经网络模型，实现了场景噪音的准确识别，并进行了模型细节及误差分析，提高了模型效果和性能，同时提出了一种可视化方法以全面展示场景上下文。

    Oct, 2022

  • 低复杂度 CNN 音场分类

    本文提出了一种低复杂度卷积神经网络框架及相应模型压缩技术和结合多低复杂度卷积神经网络的集成框架，实验表明该框架在声场分类任务上能够获得较好的性能提升。

    Jul, 2022

  • 设备鲁棒声场分类的两阶段方法

    本文提出了一种基于卷积神经网络的双阶段系统来改善数据驱动声景分类的鲁棒性，通过探究不同的神经网络架构和数据扩充方案以及利用 class activation mapping 进行神经元显著性分析，该系统在 DCASE 2020 Task 1a 上达到了目前最高的准确率 81.9%。

    Nov, 2020

  • 声学场景分类

    介绍声音场景分类中的一些当前前沿、定义一个标准框架，并提供各种不同算法、提交给数据挑战以及评估人类分类准确性的表现，最终得出三种算法显著优于基准方法，但在某些场景下算法和人类都会出现误差。

    Nov, 2014

  • 基于两阶段分类和数据增强的设备鲁棒性声场分类

    实现了一个使用 CNN、数据增强、量化和模型融合的音频场景分类系统，可以将多个设备录制的音频信号精细分类为 10 个细粒度类别和 3 个高层级类别，并在不增加复杂度的情况下获得高准确率

    Jul, 2020

  • 基于深度神经决策森林的声场分类

    本文提出了一种基于深度神经决策树的声场分类方法（DNDF），它将卷积层与决策森林作为最终分类器的固定数量结合起来，相较于传统的单一分类器，此模型在 DCASE2019 和 ESC-50 数据集上展现出更好的声场分类性能，并且具有竞争性能。

    Mar, 2022

  • IEEE ICME 2024 大挑战赛：领域偏移下的半监督声学场景分类

    在 ICME 2024 大挑战中，我们引入了半监督领域迁移音景分类任务，鼓励参与者创新半监督学习技术，旨在开发更具鲁棒性的 ASC 模型。

    Feb, 2024

  • 一种基于被动相似性的卷积神经网络滤波修剪技术，用于高效声学场景分类

    本文介绍了一种开发用于声音场景分类的低复杂度卷积神经网络的方法，其中通过余弦距离算法和 Fine-tuning 过程，将 CNNs 的卷积滤波器数量减少来缩小网络规模，从而提高运行效率并保持高准确性。

    Mar, 2022

  • Asca：少量音频数据揭示更多洞见

    基于 CoAtNet 的 ASCA 结合了 Transformer-convolution 混合架构、新颖的网络设计和注意力技术，结合数据增强和正则化策略，在 BirdCLEF2023 和 AudioSet (Balanced) 测试中分别获得了 81.2% 和 35.1% 的准确率，明显优于竞争方法。

    Sep, 2023