基于咳嗽检测、咳嗽分割与数据增强的跨数据集COVID-19迁移学习
音频与语音处理
2022-10-13 v1 声音
摘要
本文探讨基于咳嗽的COVID-19检测问题。我们提出一种跨数据集迁移学习方法，通过引入咳嗽检测、咳嗽分割与数据增强来提升COVID-19检测性能。第一项旨在去除非咳嗽信号及低概率咳嗽信号。第二项旨在将波形中的若干次咳嗽分离为单次咳嗽。第三项旨在为深度学习模型增加样本数量。这三个处理模块十分重要，因为我们的发现表明，相对于不含这些模块的基线方法，性能有大幅改进。我们进行了消融研究以优化超参数，发现alpha mixup是通过该增强方法提升模型性能的重要因素之一。本文给出了本研究与先前在同一评测集上的研究的总结，以洞察不同的基于咳嗽的COVID-19检测方法。
引用
@article{arxiv.2210.05843,
title = {Cross-dataset COVID-19 Transfer Learning with Cough Detection, Cough Segmentation, and Data Augmentation},
author = {Bagus Tris Atmaja and Zanjabila and Suyanto and Akira Sasou},
journal= {arXiv preprint arXiv:2210.05843},
year = {2022}
}