用于音频分类的角距离分布损失
声音
2024-11-04 v1 音频与语音处理
摘要
分类是深度学习中的一项关键任务，不仅因其内在重要性，还因为它能为其他任务提供具有理想性质的嵌入。为了优化这些性质，研究者提出了多种损失函数，试图在嵌入空间中最小化类内距离并最大化类间距离。在本文中，我们认为，除了这两点之外，消除类内和类间的层次结构是分类嵌入的另外两个理想性质。此外，我们提出了角距离分布（ADD）损失，旨在共同增强上述四个性质。为此，它对嵌入之间角距离的一阶和二阶统计矩施加了条件。最后，我们通过实验表明，我们的损失函数改善了所有四个性质，因此在音频分类任务中表现优于其他损失函数。
引用
@article{arxiv.2411.00153,
title = {Angular Distance Distribution Loss for Audio Classification},
author = {Antonio Almudévar and Romain Serizel and Alfonso Ortega},
journal= {arXiv preprint arXiv:2411.00153},
year = {2024}
}