ERANNs：面向音频模式识别的高效残差音频神经网络
声音
2022-07-21 v7 音频与语音处理
摘要
音频模式识别（APR）是一个重要的研究课题，可应用于与我们生活相关的若干领域。因此，需要开发准确且高效的 APR 系统，因为它们在实际应用中很有用。本文中，我们提出了一种新的卷积神经网络（CNN）架构以及一种提升基于 CNN 的 APR 任务系统推理速度的方法。此外，使用所提方法，我们可以提升系统性能，这已在四个音频数据集上的实验得到证实。另外，我们研究了数据增强技术与迁移学习对系统性能的影响。我们的最佳系统在 AudioSet 数据集上取得了 0.450 的平均精度均值（mAP）。尽管该值低于最先进系统，但所提系统快 7.1 倍且小 9.7 倍。在 ESC-50、UrbanSound8K 和 RAVDESS 数据集上，我们分别以 0.961、0.908 和 0.748 的准确率取得了最先进结果。我们用于 ESC-50 数据集的系统比先前最佳系统快 1.7 倍且小 2.3 倍。对于 RAVDESS 数据集，我们的系统比先前最佳系统小 3.3 倍。我们将我们的系统命名为“高效残差音频神经网络”（Efficient Residual Audio Neural Networks）。
引用
@article{arxiv.2106.01621,
title = {ERANNs: Efficient Residual Audio Neural Networks for Audio Pattern Recognition},
author = {Sergey Verbitskiy and Vladimir Berikov and Viacheslav Vyshegorodtsev},
journal= {arXiv preprint arXiv:2106.01621},
year = {2022}
}
备注
This paper has been submitted to Pattern Recognition Letters