IEEE ICME 2024大挑战赛描述：域偏移下的半监督声场景分类
音频与语音处理
2024-03-01 v2 机器学习
声音
摘要
声场景分类是计算听觉场景分析中的一个关键研究问题，旨在识别环境的独特声学特征。ASC任务的一个挑战是训练数据和测试数据之间的域偏移。自2018年以来，ASC挑战一直关注ASC模型在不同录音设备上的泛化能力。尽管近年来该任务在设备泛化方面取得了实质性进展，但不同地理区域之间的域偏移（涉及时间、空间、文化、语言等差异）目前仍未得到充分探索。此外，考虑到现实世界中存在大量未标记的声场景数据，研究利用这些未标记数据的可能方法非常重要。因此，我们在ICME 2024大挑战赛中引入了"域偏移下的半监督声场景分类"任务。我们鼓励参与者创新半监督学习技术，旨在开发在域偏移下更鲁棒的ASC模型。
引用
@article{arxiv.2402.02694,
title = {Description on IEEE ICME 2024 Grand Challenge: Semi-supervised Acoustic Scene Classification under Domain Shift},
author = {Jisheng Bai and Mou Wang and Haohe Liu and Han Yin and Yafei Jia and Siwei Huang and Yutong Du and Dongzhe Zhang and Dongyuan Shi and Woon-Seng Gan and Mark D. Plumbley and Susanto Rahardja and Bin Xiang and Jianfeng Chen},
journal= {arXiv preprint arXiv:2402.02694},
year = {2024}
}