利用自适应变点检测与主动学习从弱到强声音事件标签

我们提出一种自适应变点检测方法（A-CPD），用于机器引导的音频记录片段弱标签标注。目标是最大化关于目标声音时间激活的信息获取量。对于每个未标注的音频记录，我们使用预测模型推导出一条概率曲线以指导标注。预测模型最初在可用的已标注声音事件数据上进行预训练，这些数据的类别与未标注数据集中的类别不相交。然后，预测模型在主动学习循环中逐渐适应标注者提供的标注。我们通过对这些概率进行变点检测来推导查询片段，以引导弱标签标注者走向强标签。我们证明，在有限的标注预算下可以获得高质量的强标签，并且与两种基线查询片段策略相比，A-CPD 显示出有利的结果。