ACCDOA:用于声音事件定位与检测的活动耦合笛卡尔到达方向表示
音频与语音处理
2021-02-16 v2 声音
摘要
基于神经网络(NN)的方法在声音事件定位与检测(SELD)中表现出高性能。传统的基于 NN 的方法使用两个分支分别处理声音事件检测(SED)目标和到达方向(DOA)目标。带有单一网络的两分支表示在优化过程中必须决定如何平衡两个目标。使用专用于各任务的两个网络则会增加系统复杂度和网络规模。为解决这些问题,我们提出活动耦合笛卡尔 DOA(ACCDOA)表示,其将声音事件活动分配给相应笛卡尔 DOA 向量的长度。ACCDOA 表示使我们能用单一目标解决 SELD 任务,并具有两方面优势:避免平衡目标的必要性以及避免模型规模增大。在使用 DCASE 2020 Task 3 数据集的实验评估中,ACCDOA 表示以更小的网络规模在 SELD 指标上优于两分支表示。基于 ACCDOA 的 SELD 系统在定位与位置相关检测方面也优于最先进的 SELD 系统。
引用
@article{arxiv.2010.15306,
title = {ACCDOA: Activity-Coupled Cartesian Direction of Arrival Representation for Sound Event Localization and Detection},
author = {Kazuki Shimada and Yuichiro Koyama and Naoya Takahashi and Shusuke Takahashi and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2010.15306},
year = {2021}
}
备注
5 pages, 5 figures, accepted for publication in IEEE ICASSP 2021