用于半监督声音事件检测的耦合学习
机器学习
2022-02-25 v3 人机交互
摘要
最近提出的Mean Teacher方法以自集成方式利用大规模无标签数据，在多个半监督学习基准上取得了最先进的结果。受当前成就的推动，本文提出一种有效的耦合学习（Couple Learning）方法，其结合了一个训练良好的模型和一个Mean Teacher模型。所提出的伪标签生成模型（PLG）增加强标签和弱标签数据以改进Mean Teacher方法的性能。此外，Mean Teacher的一致性代价降低了由检测错误引入的伪标签中的噪声影响。在DCASE2020挑战赛任务4上的实验结果表明了所提方法的优越性，在公开评估集上取得了约44.25%的F1分数，显著优于基线系统的32.39%。同时，我们还提出了一个简单而有效的称为变序输入（VOI）实验的实验，证明了耦合学习方法的重要性。我们开发的耦合学习代码已在GitHub上公开。
引用
@article{arxiv.2110.05809,
title = {Couple Learning for semi-supervised sound event detection},
author = {Rui Tao and Long Yan and Kazushige Ouchi and Xiangdong Wang},
journal= {arXiv preprint arXiv:2110.05809},
year = {2022}
}
备注
Interspeech 2022