面向家庭环境中音频事件分类的开放集识别与少样本学习数据集
声音
2022-04-12 v8 机器学习
音频与语音处理
摘要
使用少量正样本进行训练的问题被称为少样本学习（FSL）。众所周知，传统的深度学习（DL）算法在大规模数据集上训练时通常表现出非常好的性能。然而，在许多应用中，无法获得如此大量的样本。在图像领域，典型的FSL应用包括与人脸识别相关的应用。在音频领域，音乐防伪或说话人识别显然可以从FSL方法中受益。本文研究将FSL应用于检测由不同类型声音警报（如门铃或火警）给出的特定且有意发出的声学事件，使用的样本数量有限。这些声音通常出现在家庭环境中，在那里发生着对应广泛声音类别的许多事件。因此，在实际场景中对这类警报的检测可被视为开放集识别（OSR）问题。为解决音频FSL缺乏专用公开数据集的问题，研究人员通常对其他可用数据集进行修改。本文旨在为音频识别社区提供一个精心标注的数据集（https://zenodo.org/record/3689288），用于OSR背景下的FSL，该数据集包含来自34个类别的1360个片段，分为模式声音和不期望声音。为促进和推动该领域的研究，本文还给出了基于迁移学习的当前最优基线系统的结果。
引用
@article{arxiv.2002.11561,
title = {An Open-set Recognition and Few-Shot Learning Dataset for Audio Event Classification in Domestic Environments},
author = {Javier Naranjo-Alcazar and Sergi Perez-Castanos and Pedro Zuccarrello and Ana M. Torres and Jose J. Lopez and Franscesc J. Ferri and Maximo Cobos},
journal= {arXiv preprint arXiv:2002.11561},
year = {2022}
}
备注
Submitted to IEEEAccess