LSTM模型上池化方法对罕见声学事件分类的比较
音频与语音处理
2020-02-18 v1 声音
摘要
声学事件分类（AEC）与声学事件检测（AED）指检测音频中是否发生特定目标事件的任务。由于长短期记忆（LSTM）在各种语音相关任务中取得了最先进的结果，它也被用作AEC的一种流行方案。本文重点研究LSTM模型在AEC任务上的动态特性。它包括对LSTM记忆保留的详细分析，以及使用170万（1.7M）个不同信噪比下多事件生成的混合片段，对LSTM模型上九种不同池化方法的基准测试。本文聚焦于理解：1）语句级分类准确率；2）对事件在语句内位置的敏感性。分析基于DCASE 2017挑战赛中用于检测罕见声音事件的数据集进行。我们发现，在分类准确率和对话语内事件位置不敏感方面，预测级最大池化（max pooling）在九种池化方法中表现最佳。据作者所知，这是首个聚焦AEC任务中LSTM动态特性的此类工作。
引用
@article{arxiv.2002.06279,
title = {A Comparison of Pooling Methods on LSTM Models for Rare Acoustic Event Classification},
author = {Chieh-Chi Kao and Ming Sun and Weiran Wang and Chao Wang},
journal= {arXiv preprint arXiv:2002.06279},
year = {2020}
}
备注
Accepted to ICASSP 2020