AD-YOLO：在训练多声源定位与检测中你只需看一次
音频与语音处理
2023-05-11 v3
摘要
声事件定位与检测（SELD）将声事件识别与对应到达方向（DOA）相结合。近来，面向事件的轨迹输出格式被用于解决该问题；然而，其在未知复音环境下的真实世界问题泛化能力仍有限。为解决该问题，我们提出一种基于角距离的多重SELD（AD-YOLO），其是对SELD任务中“You Only Look Once”算法的适配。AD-YOLO格式通过将类别责任分配给DOA预测，使模型能以位置敏感方式学习声音出现。因此，该格式使模型能够处理复音问题，而不受声音重叠数量的限制。我们在DCASE 2020–2022挑战赛任务3数据集上使用四项SELD客观指标评估AD-YOLO。实验结果表明，AD-YOLO总体取得卓越性能，并在类同质复音环境中实现了鲁棒性。
引用
@article{arxiv.2303.15703,
title = {AD-YOLO: You Look Only Once in Training Multiple Sound Event Localization and Detection},
author = {Jin Sob Kim and Hyun Joon Park and Wooseok Shin and Sung Won Han},
journal= {arXiv preprint arXiv:2303.15703},
year = {2023}
}
备注
5 pages, 3 figures, accepted for publication in IEEE ICASSP 2023