基于多尺度膨胀深度可分离卷积网络的音频录音家居活动分类
音频与语音处理
2023-06-12 v1 声音
摘要
基于音频录音的家居活动分类（DAC）旨在将音频录音分类至预定义的家居活动类别，是估计家庭环境中日常活动的有效手段。本文提出一种使用多尺度膨胀深度可分离卷积网络（DSCN）的音频录音DAC方法。DSCN是一种参数量小的轻量神经网络，因此适合部署于计算资源受限的便携终端。为在同等DSCN参数量下扩大感受野，DSCN中使用膨胀卷积而非普通卷积，以进一步提升性能。此外，将由膨胀DSCN学到的多尺度嵌入拼接为多尺度嵌入，以表征各类家居活动的属性差异。在2018年声学场景与事件检测及分类挑战赛（DCASE-2018）Task 5公开数据集上的评估结果表明：膨胀卷积与多尺度嵌入均有助于所提方法性能提升；且所提方法在分类准确率上优于基于最先进轻量网络的方法。
引用
@article{arxiv.2306.05624,
title = {Domestic Activities Classification from Audio Recordings Using Multi-scale Dilated Depthwise Separable Convolutional Network},
author = {Yufei Zeng and Yanxiong Li and Zhenfeng Zhou and Ruiqi Wang and Difeng Lu},
journal= {arXiv preprint arXiv:2306.05624},
year = {2023}
}
备注
5 pages, 2 figures, 4 tables. Accepted for publication in IEEE MMSP2021