基于可训练核与数据增强的噪声条件下深度学习蚊声检测
声音
2022-08-22 v2 机器学习
音频与语音处理
摘要
本文中，我们展示了一种独特方法，通过将预处理技术融合进深度学习模型来提升音频机器学习方法的有效性。我们的方案通过训练而非代价高昂的随机搜索来优化超参数，从而加速训练与推理性能，以从音频信号构建可靠的蚊子检测器。此处呈现的实验与结果属于 ACM 2022 挑战赛的 MOS C 提交作品。我们的结果在未公开测试集上超越已发布基线 212%。我们认为这是构建鲁棒生物声学系统、在噪声条件下提供可靠蚊声检测的最佳真实世界范例之一。
引用
@article{arxiv.2207.13843,
title = {Deep Learning-Based Acoustic Mosquito Detection in Noisy Conditions Using Trainable Kernels and Augmentations},
author = {Devesh Khandelwal and Sean Campos and Shwetha Nagaraj and Fred Nugen and Alberto Todeschini},
journal= {arXiv preprint arXiv:2207.13843},
year = {2022}
}