DESED-FL 与 URBAN-FL：用于声音事件检测的联邦学习数据集
声音
2021-06-01 v3 分布式、并行与集群计算
机器学习
音频与语音处理
摘要
近年来，环境场景下的声音事件检测（SED）研究受到越来越多的关注。所需的大量（私有）家庭或城市音频数据引发了显著的后勤与隐私问题。这些任务固有的分布式特性，使联邦学习（FL）成为一种在利用大规模数据的同时缓解隐私问题的有前景的方法。尽管 FL 近来也备受关注，但据我们所知，尚无面向 SED 的 FL 研究。为弥补这一空白并推动该领域的进一步研究，我们创建并发布了用于家庭与城市环境下 SED 的新型 FL 数据集。此外，我们针对三种深度神经网络架构，在 FL 背景下给出了这些数据集的基线结果。结果表明，FL 是 SED 的一种有前景的方法，但面临分布式客户端边缘设备所固有的数据分布差异带来的挑战。
引用
@article{arxiv.2102.08833,
title = {DESED-FL and URBAN-FL: Federated Learning Datasets for Sound Event Detection},
author = {David S. Johnson and Wolfgang Lorenz and Michael Taenzer and Stylianos Mimilakis and Sascha Grollmisch and Jakob Abeßer and Hanna Lukashevich},
journal= {arXiv preprint arXiv:2102.08833},
year = {2021}
}
备注
To be published in EUSIPCO 2021