DDSC：面向域偏移下数据高效声学场景分类的动态双信号课程策略
声音
2026-02-02 v2 人工智能
摘要
声学场景分类（ASC）受设备引起的域偏移影响，尤其在标签有限时更为严重。先前的研究聚焦于课程训练策略，通过从易到难排序或重加权训练样本来促进学习；然而，现有课程是静态的，在训练前固定排序或权重，忽略了样例难度和边际效用随所学表示的演化。为克服这一局限，我们提出了动态双信号课程（DDSC），一种通过结合每个 epoch 计算的两个信号来在线自适应课程的训练策略：域不变性信号和学习进度信号。一个时变调度器将这两个信号融合为逐样例权重，在早期 epoch 中优先处理域不变样例，并逐步强调设备特定样例。DDSC 轻量、架构无关，且不引入额外推理开销。在 DCASE 2024 Task 1 官方协议下，DDSC 在多样化的 ASC 基线和标签预算下持续提升跨设备性能，在未见设备切分上增益最大。
引用
@article{arxiv.2510.17345,
title = {DDSC: Dynamic Dual-Signal Curriculum for Data-Efficient Acoustic Scene Classification under Domain Shift},
author = {Peihong Zhang and Yuxuan Liu and Rui Sang and Zhixin Li and Yiqiang Cai and Yizhou Tan and Shengchen Li},
journal= {arXiv preprint arXiv:2510.17345},
year = {2026}
}
备注
Accepted at ICASSP 2026-2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)