DGSD：基于脑电的听觉空间注意检测的动力学图自蒸馏方法
信号处理
2023-09-15 v1 人机交互
机器学习
多媒体
声音
音频与语音处理
摘要
听觉注意检测（AAD）旨在从多说话人环境中的脑信号中检测目标说话人。尽管基于 EEG 的 AAD 方法近年来显示出有前景的结果，当前方法主要依赖为处理图像等欧几里得数据而设计的传统卷积神经网络。这使得处理具有非欧几里得特性的 EEG 信号变得困难。为解决此问题，本文提出一种用于 AAD 的动力学图自蒸馏（DGSD）方法，其不需要语音刺激作为输入。具体而言，为有效表示 EEG 信号的非欧几里得属性，应用动力学图卷积网络来表示 EEG 信号的图结构，其也能提取与听觉空间注意相关的关键特征。此外，为进一步提升 AAD 检测性能，集成了由每层特征蒸馏与分层蒸馏策略组成的自蒸馏。这些策略利用最深网络层的特征与分类结果来引导浅层的学习。我们的实验在两个公开数据集 KUL 和 DTU 上进行。在 1 秒时间窗下，我们在 KUL 和 DTU 上分别取得了 90.0% 和 79.6% 的准确率。我们将 DGSD 方法与具有竞争力的基线比较，实验结果表明我们提出的 DGSD 方法的检测性能不仅优于最佳可复现基线，还将可训练参数数量减少了约 100 倍。
引用
@article{arxiv.2309.07147,
title = {DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection},
author = {Cunhang Fan and Hongyu Zhang and Wei Huang and Jun Xue and Jianhua Tao and Jiangyan Yi and Zhao Lv and Xiaopei Wu},
journal= {arXiv preprint arXiv:2309.07147},
year = {2023}
}