用于声音表达多任务学习的动态约束不确定性加权损失
声音
2022-06-29 v2 机器学习
音频与语音处理
摘要
我们提出了一种新颖的动态约束不确定性加权损失（Dynamic Restrained Uncertainty Weighting Loss），以在 ICML ExVo 2022 挑战赛上通过实验处理多任务贡献平衡问题。该多任务旨在从声音爆发中联合识别表达的情感与人口统计学特征。我们的策略结合了不确定性加权（Uncertainty Weight）与动态权重平均（Dynamic Weight Average）的优势，通过引入约束项扩展权重，使学习过程更具可解释性。我们使用轻量级多出口 CNN 架构来实现所提出的损失方法。实验 H-Mean 分数（0.394）相比基线 H-Mean 分数（0.335）有显著提升。
引用
@article{arxiv.2206.11049,
title = {Dynamic Restrained Uncertainty Weighting Loss for Multitask Learning of Vocal Expression},
author = {Meishu Song and Zijiang Yang and Andreas Triantafyllopoulos and Xin Jing and Vincent Karas and Xie Jiangjian and Zixing Zhang and Yamamoto Yoshiharu and Bjoern W. Schuller},
journal= {arXiv preprint arXiv:2206.11049},
year = {2022}
}
备注
5 pages