利用并行音频录音在基于 CNN 的声学场景分类中强制设备不变性
音频与语音处理
2019-09-09 v1 机器学习
声音
机器学习
摘要
训练时与应用时所见到数据之间的分布不匹配，仍是机器学习所有应用领域中的一大挑战。我们在机器听觉（DCASE 2019 挑战赛任务 1b）背景下研究此问题。我们提出一种新颖的端到端学习方法，通过强制域并行样本（即来自不同录音设备的时间对齐录音）具有相等的隐藏层表示，来学习域不变分类器。我们的域自适应（DA）方法无需分类标签，这使得数据收集过程更加经济。
引用
@article{arxiv.1909.02869,
title = {Exploiting Parallel Audio Recordings to Enforce Device Invariance in CNN-based Acoustic Scene Classification},
author = {Paul Primus and Hamid Eghbal-zadeh and David Eitelsebner and Khaled Koutini and Andreas Arzt and Gerhard Widmer},
journal= {arXiv preprint arXiv:1909.02869},
year = {2019}
}
备注
Published at the Workshop on Detection and Classification of Acoustic Scenes and Events, 25-26 October 2019, New York, USA