无需知识蒸馏的 CNN-GRU 声学场景分类模型
音频与语音处理
2025-09-15 v1
摘要
在本技术报告中，我们展示了 SNTL-NTU 团队为低复杂度声学场景与事件（DCASE）2025 挑战赛 Task 1 提交的方案。该方案偏离了典型的从教师模型到学生模型的知识蒸馏应用，旨在以有限的复杂度实现高性能。所提出的模型基于 CNN-GRU 模型，仅使用 TAU Urban Acoustic Scene 2022 Mobile 开发数据集进行训练，未使用任何外部数据集，但用于设备脉冲响应（DIR）数据增强的 MicIRP 除外。所提出的模型内存占用为 114.2KB，需要 10.9M 次乘加（MAC）运算。使用该开发数据集，所提出的模型达到了 60.25% 的准确率。
引用
@article{arxiv.2509.09931,
title = {Acoustic Scene Classification Using CNN-GRU Model Without Knowledge Distillation},
author = {Ee-Leng Tan and Jun Wei Yeow and Santi Peksi and Haowen Li and Ziyi Yang and Woon-Seng Gan},
journal= {arXiv preprint arXiv:2509.09931},
year = {2025}
}
备注
3 pages, 2 figures, 2 tables