基于原型网络与数据增强的生物声学事件检测
音频与语音处理
2021-12-17 v1
摘要
本报告介绍了一个参加 DCASE2021 挑战赛少样本生物声学事件检测任务的系统所使用的深度学习与数据增强技术。该任务旨在开发一个用于动物（哺乳动物和鸟类）发声的少样本学习系统。参赛者需要开发一种方法，从哺乳动物或鸟类的五个发声样本（shots）中提取信息，并在野外录音中检测和分类声音。在本报告描述的系统中，使用原型网络学习一个度量空间，通过计算查询点到类原型的距离并基于最短距离进行分类。我们描述了该网络的架构、特征提取方法以及在给定数据集上进行的数据增强，并将我们的工作与挑战赛的基线网络进行了比较。
引用
@article{arxiv.2112.09006,
title = {Bioacoustic Event Detection with prototypical networks and data augmentation},
author = {Mark Anderson and Naomi Harte},
journal= {arXiv preprint arXiv:2112.09006},
year = {2021}
}
备注
5 pages, 2 Figures, 3 Tables, Technical Report for DCASE2021 Challenge Task 5, June 2021