CURE 数据集：用于音频事件分类的阶梯网络
声音
2020-01-14 v1 机器学习
音频与语音处理
摘要
音频事件分类对于监控、音频、视频和多媒体检索等诸多应用而言是一项重要任务。约有 300 万听力受损人群无法感知周围发生的事件。本文建立了 CURE 数据集，其包含针对听力受损人群最相关的特定音频事件的精选集合。我们提出了一种基于阶梯网络的音频事件分类器，利用源自 Freesound 项目的 5 秒录音。我们采用最先进的卷积神经网络（CNN）嵌入作为该任务的音频特征。我们还研究了极限学习机（ELM）用于事件分类。本研究中，将所提出的分类器与支持向量机（SVM）基线进行比较。我们提出了信号和特征归一化方法，旨在减少不同录音场景之间的不匹配。首先，CNN 在弱标记的 Audioset 数据上训练。接下来，预训练模型被用作所提出的 CURE 语料库的特征提取器。我们引入 ESC-50 数据集作为第二评估集。结果与讨论验证了阶梯网络在鲁棒性和分类准确率提升方面优于 ELM 和 SVM 分类器。虽然阶梯网络对数据不匹配具有鲁棒性，但更简单的 SVM 和 ELM 分类器对此类不匹配敏感，其中所提出的归一化技术可发挥重要作用。基于 ESC-50 和 CURE 语料的实验研究阐明了所提方法在数据集复杂性和鲁棒性方面的差异。
引用
@article{arxiv.2001.03896,
title = {CURE Dataset: Ladder Networks for Audio Event Classification},
author = {Harishchandra Dubey and Dimitra Emmanouilidou and Ivan J. Tashev},
journal= {arXiv preprint arXiv:2001.03896},
year = {2020}
}
备注
6 pages, 2 Figures