用于DCASE 2019任务4的引导学习卷积系统
音频与语音处理
2019-09-16 v1 机器学习
声音
摘要
在本文中，我们详细描述了提交给DCASE2019任务4的系统：家庭环境中的声音事件检测（SED）。我们采用带有嵌入级注意力池化模块的卷积神经网络（CNN）来解决该问题。考虑到不平衡数据集中多个事件共现所引起的干扰，我们利用解耦特征来提升模型性能。为利用无标签数据，我们采用引导学习进行半监督学习。一组具有自适应窗口大小的中值滤波器被用于模型输出概率的后处理。我们还分析了合成数据对模型性能的影响，最终在验证集上取得了基于事件的F-measure为45.43%，在测试集上取得了基于事件的F-measure为42.7%。我们提交给该挑战赛的系统相较于其他参与者的系统取得了最佳性能。
引用
@article{arxiv.1909.06178,
title = {Guided Learning Convolution System for DCASE 2019 Task 4},
author = {Liwei Lin and Xiangdong Wang and Hong Liu and Yueliang Qian},
journal= {arXiv preprint arXiv:1909.06178},
year = {2019}
}
备注
Accept by DCASE2019 Workshop