基于熵引导的语音场景分类数据高效课程学习策略
声音
2026-02-02 v1 人工智能
摘要
语音场景分类（Acoustic Scene Classification, ASC）面临着在不同录音设备之间的泛化挑战，尤其是在标签数据有限的情况下。DCASE 2024挑战任务1通过要求模型从仅少量标签子集（记录于少数设备）中学习，并据此推断先前未遇到的设备的录音，凸显了这一问题。这些模型需要在严格的复杂度约束下实现从未见设备的录音的泛化。虽然数据增强和使用预训练模型等技术已被广泛用于提高模型的泛化能力，但优化训练策略代表了一种补充且较少探索的路径，无需引入额外的模型复杂度或推理开销。在各种训练策略中，课程学习提供了一种通过从易到难组织学习过程的有前景的范式。本文提出了一种基于熵引导的课程学习策略，以解决ASC中的域迁移问题。具体而言，我们通过计算由辅助域分类器估计的每个训练样本设备后验概率的香农熵，来量化样本在设备域预测中的不确定性。将熵用作域不变性的代理，课程学习从高熵样本开始，逐渐纳入低熵、域特定样本，以促进可泛化表示的学习。实验结果表明，我们的策略在数据有限的情况下有效缓解了域迁移问题。该策略具有模型无关性，未引入额外的推理成本，易于集成到现有的ASC基线模型中，为解决域迁移问题提供了实用解决方案。
引用
@article{arxiv.2509.11168,
title = {An Entropy-Guided Curriculum Learning Strategy for Data-Efficient Acoustic Scene Classification under Domain Shift},
author = {Peihong Zhang and Yuxuan Liu and Zhixin Li and Rui Sang and Yiqiang Cai and Yizhou Tan and Shengchen Li},
journal= {arXiv preprint arXiv:2509.11168},
year = {2026}
}
备注
Accepted at the Detection and Classification of Acoustic Scenes and Events (DCASE) Workshop 2025