Sep, 2024

数据高效声学场景分类的教师指导混淆类别教学

HTML
PDF
TL;DR本研究解决了声学场景分类中小样本训练的效率和准确性问题。通过减少基线模型的复杂度和引入数据增强方法，提升了训练样本的多样性。同时，利用知识蒸馏将多个模型的混淆类信息整合，以提高在不同训练分割下的准确性，实现了最高62.21%的测试准确率。
发现论文，激发创造
  • 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

  • 声学场景分类的标签树嵌入

    本文提出了一种利用类别标签结构实现高效声学场景分类的方法，首先通过学习类别标签的聚类来自动构建一个多层结构的元类别分类学，然后将声学场景嵌入到低维度的特征表示中进行分类，该方法在DCASE 2013和LITIS Rouen数据集上均取得了最先进的结果。

    Jun, 2016

  • 使用声学图像的音视频模型蒸馏

    本研究旨在研究如何从视觉数据和新型的音频数据模式——声学图像中学习丰富和强大的音频分类特征表示，通过利用新的多模态标记行动识别数据集，并针对性地训练音频深度学习模型，从视觉和声学图像方面实现知识蒸馏，以获得比单麦克风声音数据训练模型更强大和更具有一般化能力的特征表示。

    Apr, 2019

  • 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 1-D CNN 的声景分类通过逐层降低维度

    本文提出了一种基于卷积神经网络的替代时间-频率表示的声场分类框架,使用自动字典学习框架从中提取了低维嵌入，并通过late-fusion的方式聚合不同中间层的分层信息，取得了优于传统时间-频率表示方法的实验效果。

    Mar, 2022

  • 多任务学习框架中声音事件标记对场景分类的影响

    通过一项广泛的实证研究，我们展示了在特定条件下，使用声音事件标记 (AET) 作为多任务网络中的辅助任务可以显著提高声音场景分类 (ASC) 的性能，并且ASC的性能还会随AET数据集的大小增加而进一步提高，并且不受AET数据集中事件选择和数量的影响，我们得出结论，ASC性能的提高来自于使用AET的正则化效果，而不是网络区分声音事件的能力改进。

    Jun, 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

  • 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

  • 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

  • 将最小值尖锐度的讨论带入音频领域：针对声学场景分类的滤波器归一化评估

    深度神经网络中损失最小值的锐度与泛化之间的相关性一直是一个长期讨论的话题。我们在DCASE2020挑战数据的音频场景分类任务中探索了这个方面，通过基于二维滤波器归一化可视化和衍生自的锐度度量进行分析。我们的探索性分析表明，锐度更高的最小值往往比平坦的最小值具有更好的泛化能力-尤其对于来自之前未见设备的域外数据而言，从而增加了对平坦最小值更好泛化能力的争议。我们进一步发现，特别是优化器的选择是最小值锐度的主要推动因素，并讨论了由此导致的可比性限制。我们的代码、训练模型状态和损失景观可视化已公开可用。

    Sep, 2023