AudioCIL：面向多场景的音频类增量学习Python工具箱
声音
2024-12-19 v2 音频与语音处理
摘要
深度学习凭借其强大的自动特征提取能力，在音频信号处理中取得了显著成功。通常，这些方法依赖静态的、预先收集的大规模数据集进行训练，在固定数量的类别上表现良好。然而，现实世界的特点是不断变化，新的音频类别可能因流式出现或因隐私问题而临时可用。音频环境的这种动态特性要求模型能够在不丢弃现有信息的情况下增量学习新类别的新知识。将增量学习引入音频信号处理领域，即音频类增量学习，是一项有意义的工作。我们提出了一个名为AudioCIL的工具箱，旨在使音频信号处理算法与现实场景对齐，并加强音频类增量学习的研究。代码见https://github.com/colaudiolab/AudioCIL。
引用
@article{arxiv.2412.11907,
title = {AudioCIL: A Python Toolbox for Audio Class-Incremental Learning with Multiple Scenes},
author = {Qisheng Xu and Yulin Sun and Yi Su and Qian Zhu and Xiaoyi Tan and Hongyu Wen and Zijian Gao and Kele Xu and Yong Dou and Dawei Feng},
journal= {arXiv preprint arXiv:2412.11907},
year = {2024}
}