面向音频标注、声音事件检测与空间定位的跨任务学习：DCASE 2019基线系统
声音
2019-06-11 v4 音频与语音处理
摘要
声音场景与事件检测与分类（DCASE）2019挑战赛聚焦于音频标注、声音事件检测与空间定位。DCASE 2019包含五项任务：1）声学场景分类，2）带噪声标签与最小监督的音频标注，3）声音事件定位与检测，4）家庭环境中的声音事件检测，以及5）城市声音标注。本文中，我们提出基于卷积神经网络（CNNs）的通用跨任务基线系统。其动机在于考察多种模型在若干音频识别任务上的表现，而不利用各任务的特定性质。我们考察了具有5、9和13层的CNN，发现最优架构依赖于具体任务。对于我们考虑的系统，发现带有卷积层后平均池化的9层CNN是大多数DCASE 2019任务的良好模型。
引用
@article{arxiv.1904.03476,
title = {Cross-task learning for audio tagging, sound event detection and spatial localization: DCASE 2019 baseline systems},
author = {Qiuqiang Kong and Yin Cao and Turab Iqbal and Yong Xu and Wenwu Wang and Mark D. Plumbley},
journal= {arXiv preprint arXiv:1904.03476},
year = {2019}
}
备注
5 pages