频率动态卷积：面向声音事件检测的频率自适应模式识别
音频与语音处理
2022-07-05 v2
摘要
二维卷积广泛用于声音事件检测（SED）中以识别声音事件的二维时频模式。然而，二维卷积在时间与频率轴上对声音事件强制平移等变性，而频率并非平移不变维度。为提升二维卷积在 SED 上的物理一致性，我们提出频率动态卷积，其采用适应输入频率分量的卷积核。在 DESED 验证集上，频率动态卷积以多音声音检测分数（PSDS）衡量比基线高出 6.3%。它还显著优于 SED 上其他已有的内容自适应方法。此外，通过比较基线与频率动态卷积的各类别 F1 分数，我们表明频率动态卷积对于具有复杂时频模式的非平稳声音事件的检测尤为有效。由该结果我们验证了频率动态卷积在识别频率相关模式方面更具优势。
引用
@article{arxiv.2203.15296,
title = {Frequency Dynamic Convolution: Frequency-Adaptive Pattern Recognition for Sound Event Detection},
author = {Hyeonuk Nam and Seong-Hu Kim and Byeong-Yun Ko and Yong-Hwa Park},
journal= {arXiv preprint arXiv:2203.15296},
year = {2022}
}
备注
Accepted to INTERSPEECH 2022