扩充声事件检测频率自适应卷积核的多样性
音频与语音处理
2024-06-11 v1 声音
摘要
频率动态卷积（FDY conv）在声事件检测（SED）中使用由基核频率变化组合获得的频率自适应核，显示出领先的性能。然而，FDY conv缺乏对频率自适应核的明确多样性手段，可能限制了性能。此外，基核的尺寸有限，而时频模式跨越更大的时频范围。因此，我们提出了扩张频率动态卷积（DFD conv），通过引入不同的膨胀大小来基核进行多样性和扩张。实验表明，沿频率维度变化的膨胀大小具有优势，分析注意力权重方差证明了扩张基核的有效多样性。通过采用基于交集的F1分数适应类级中位数滤波器，提出的DFD-CRNN相较于FDY-CRNN在多音声检测得分（PSDS）上提高了3.12%。
引用
@article{arxiv.2406.05341,
title = {Diversifying and Expanding Frequency-Adaptive Convolution Kernels for Sound Event Detection},
author = {Hyeonuk Nam and Seong-Hu Kim and Deokki Min and Junhyeok Lee and Yong-Hwa Park},
journal= {arXiv preprint arXiv:2406.05341},
year = {2024}
}
备注
Accepted to INTERSPEECH 2024