基于元学习的少样本声学事件检测
机器学习
2020-02-24 v1 声音
音频与语音处理
机器学习
摘要
本文研究少样本声学事件检测(AED)。少样本学习使得仅用极少量标注数据即可检测新事件成为可能。相较于计算机视觉等其他研究领域，面向音频识别的少样本学习研究尚不充分。我们形式化了少样本 AED 问题，并探索了将此设定下传统监督方法的不同使用方式，以及多种通常用于解决少样本分类问题的元学习方法。与监督基线相比，元学习模型取得了更优性能，从而显示出其在泛化至新音频事件上的有效性。我们包含初始化影响与域差异的分析进一步验证了元学习方法在少样本 AED 中的优势。
引用
@article{arxiv.2002.09143,
title = {Few-shot acoustic event detection via meta-learning},
author = {Bowen Shi and Ming Sun and Krishna C. Puvvada and Chieh-Chi Kao and Spyros Matsoukas and Chao Wang},
journal= {arXiv preprint arXiv:2002.09143},
year = {2020}
}
备注
ICASSP 2020