在 INTERSPEECH 音频新冠识别挑战赛上评估 COVID-19 识别 ResNet (CIdeR)
声音
2021-08-02 v1 机器学习
音频与语音处理
摘要
我们报告了近期提出的 COVID-19 识别 ResNet (CIdeR) 在两个 Interspeech 2021 基于咳嗽与语音音频的新冠诊断挑战赛（ComParE 与 DiCOVA）上的交叉运行结果。CIdeR 是一个端到端深度学习神经网络，最初设计用于基于已发布众包数据集中的咳嗽与呼吸音频录音，分类个体是否为 COVID 阳性或阴性。在当前研究中，我们展示了 CIdeR 在 INTERSPEECH 2021 的 COVID-19 咳嗽与语音子挑战赛（ComParE 和 DiCOVA）中进行二分类新冠诊断的潜力。CIdeR 相比多个基线取得了显著改进。
引用
@article{arxiv.2107.14549,
title = {Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH COVID-19 from Audio Challenges},
author = {Alican Akman and Harry Coppock and Alexander Gaskell and Panagiotis Tzirakis and Lyn Jones and Björn W. Schuller},
journal= {arXiv preprint arXiv:2107.14549},
year = {2021}
}
备注
5 pages, 1 figure