弱标记声音事件检测中五种多示例学习池化函数的比较
声音
2019-02-20 v3 音频与语音处理
摘要
声音事件检测（SED）包含两个子任务：识别音频流中存在哪些类型的声音事件（音频标注），以及确定其起始和结束时间（定位）。在流行的弱标记SED多示例学习（MIL）框架中，一个重要组件是池化函数。本文从理论和实验两方面比较了五种池化函数，特别关注它们的定位性能。尽管注意力池化函数目前受到最多关注，我们发现线性softmax池化函数在五种函数中表现最佳。使用该池化函数，我们构建了一个称为TALNet的神经网络。它是首个在Audio Set上达到最先进音频标注性能，同时在DCASE 2017挑战赛上展现出强劲定位性能的系统。
引用
@article{arxiv.1810.09050,
title = {A Comparison of Five Multiple Instance Learning Pooling Functions for Sound Event Detection with Weak Labeling},
author = {Yun Wang and Juncheng Li and Florian Metze},
journal= {arXiv preprint arXiv:1810.09050},
year = {2019}
}