DCASE 2018 挑战赛萨里跨任务卷积神经网络基线
声音
2019-12-10 v4 音频与语音处理
摘要
声学场景与事件检测分类（DCASE）包含五项音频分类与声音事件检测任务：1) 声学场景分类，2) Freesound 通用音频标注，3) 鸟类音频检测，4) 弱标注半监督声音事件检测，5) 多通道音频分类。本文中，我们基于卷积神经网络（CNN）为全部五项任务创建跨任务基线系统：即“CNN 基线”系统。我们实现了源自计算机视觉中 AlexNet 与 VGG 的 4 层与 8 层 CNN。我们考察了在相同神经网络配置下性能如何随任务不同而变化。实验表明，除任务 1 外，8 层更深 CNN 在所有任务上均优于 4 层 CNN。使用 8 层 CNN，我们在任务 1 上取得 0.680 准确率，在任务 2 上取得 0.895 准确率与 0.928 平均精度均值（MAP），在任务 3 上取得 0.751 准确率与 0.854 曲线下面积（AUC），在任务 4 上取得 20.8% 声音事件检测 F1 分数，在任务 5 上取得 87.75% F1 分数。我们以 MIT 许可证发布了该基线系统的 Python 源代码以供进一步研究。
引用
@article{arxiv.1808.00773,
title = {DCASE 2018 Challenge Surrey Cross-Task convolutional neural network baseline},
author = {Qiuqiang Kong and Turab Iqbal and Yong Xu and Wenwu Wang and Mark D. Plumbley},
journal= {arXiv preprint arXiv:1808.00773},
year = {2019}
}
备注
Accepted by DCASE 2018 Workshop. 4 pages. Source code available