用于复音声音事件定位与检测的事件无关网络
音频与语音处理
2020-10-02 v1 声音
摘要
复音声音事件定位与检测不仅要检测发生了哪些声音事件，还要对相应声源进行定位。这一系列任务首次在DCASE 2019 Task 3中引入。2020年，声音事件定位与检测任务在移动声源与重叠事件情形下引入了额外挑战，其中包括两个同类事件具有两个不同到达方向(DoA)角的情况。本文提出一种用于复音声音事件定位与检测的新型事件无关网络。与我们此前在DCASE 2019 Task 3中提出的两阶段方法不同，该新网络是完全端到端的。网络输入为一阶Ambisonics(FOA)时域信号，随后送入一维卷积层提取声学特征。网络随后分为两个并行分支：第一分支用于声音事件检测(SED)，第二分支用于DoA估计。网络产生三类预测——SED预测、DoA预测以及用于结合SED与DoA特征以估计起止的事件活动检测(EAD)预测。所有这些预测均采用双轨格式，表明最多存在两个重叠事件。在每轨内最多发生一个事件。该结构引入了轨置换问题。为解决此问题，采用了帧级置换不变训练方法。实验结果表明，所提方法能够检测复音声音事件及其对应DoA。其在Task 3数据集上的性能相较基线方法大幅提升。
引用
@article{arxiv.2010.00140,
title = {Event-Independent Network for Polyphonic Sound Event Localization and Detection},
author = {Yin Cao and Turab Iqbal and Qiuqiang Kong and Yue Zhong and Wenwu Wang and Mark D. Plumbley},
journal= {arXiv preprint arXiv:2010.00140},
year = {2020}
}
备注
conference