E-PANNs：基于高效预训练音频神经网络的声音识别
声音
2023-05-31 v1 人工智能
音频与语音处理
信号处理
摘要
声音承载了关于日常环境中活动与事件的丰富信息，例如交通噪声、道路施工、音乐或人声交谈。近期的机器学习方法，如卷积神经网络（CNNs），已被证明能够自动识别声音活动，这一任务被称为音频标注。其中一种方法，预训练音频神经网络（PANNs），提供了一个已在公开可用的 AudioSet 数据集上针对超过 500 种声音类别进行预训练的神经网络，可作为其他任务的基线或起点。然而，现有的 PANNs 模型计算复杂度高且存储需求大。这可能限制 PANNs 在资源受限设备（如边缘声音传感器）上的部署潜力，并且若部署大量此类设备可能导致高能耗。在本文中，我们采用剪枝方法消除 PANNs 模型中的冗余参数，从而降低其计算复杂度与内存需求。所得到的高效 PANNs（E-PANNs）模型减少了 36% 的计算量和 70% 的内存，同时还略微提升了声音识别（音频标注）性能。E-PANNs 模型的代码已以开源许可发布。
引用
@article{arxiv.2305.18665,
title = {E-PANNs: Sound Recognition Using Efficient Pre-trained Audio Neural Networks},
author = {Arshdeep Singh and Haohe Liu and Mark D. Plumbley},
journal= {arXiv preprint arXiv:2305.18665},
year = {2023}
}
备注
Accepted in Internoise 2023 conference