基于对比学习的人声音符事件标注数据清洗
机器学习
2021-04-28 v3 信息检索
声音
音频与语音处理
机器学习
摘要
数据清洗是一种研究充分的用于清理数据集中错误标签的策略，尚未在音乐信息检索中广泛采用。先前提出的数据清洗模型未考虑结构化（如时变）标签，例如音乐数据中常见的那些。我们提出了一种用于时变结构化标签的新型数据清洗模型，其利用了标签的局部结构，并展示了其在音乐中人声音符事件标注上的有用性。我们的模型以对比学习的方式训练，通过自动将可能正确的标签对与它们的局部形变进行对比。我们证明，与使用原始数据集训练相比，使用我们提出的策略训练时，转写模型的准确率大幅提升。此外，我们使用我们的模型估计了DALI数据集中的标注错误率，并强调了此类模型的其他潜在用途。
引用
@article{arxiv.2008.02069,
title = {Data Cleansing with Contrastive Learning for Vocal Note Event Annotations},
author = {Gabriel Meseguer-Brocal and Rachel Bittner and Simon Durand and Brian Brost},
journal= {arXiv preprint arXiv:2008.02069},
year = {2021}
}
备注
21st International Society for Music Information Retrieval Conference 11-15 October 2020, Montreal, Canada