CaR-FOREST：用于重叠音频事件检测的联合分类-回归决策森林
声音
2016-08-16 v2 人工智能
机器学习
多媒体
摘要
本报告描述了我们向 DCASE 2016 挑战赛 Task2 和 Task3 提交的系统。这些系统旨在处理连续流中重叠音频事件的检测，其中检测器基于随机决策森林。所提出的森林被同时联合训练以进行分类和回归。最初，训练面向分类，以鼓励树从重叠混合中选取判别性特征，从而将正音频片段与负音频片段分开。随后进行回归阶段，让正音频片段对事件的起始点和结束点进行投票，从而对音频事件的时间结构进行建模。针对每个感兴趣的事件类别，专门训练一个随机决策森林。在开发数据上的实验结果表明，我们的系统在 Task2 评估上显著优于基线，而在 Task3 评估上劣于基线。
关键词
引用
@article{arxiv.1607.02306,
title = {CaR-FOREST: Joint Classification-Regression Decision Forests for Overlapping Audio Event Detection},
author = {Huy Phan and Lars Hertel and Marco Maass and Philipp Koch and Alfred Mertins},
journal= {arXiv preprint arXiv:1607.02306},
year = {2016}
}
备注
Task2 and Task3 technical report for the DCASE2016 challenge