层次嵌入学习的混合损失函数
声音
2025-01-23 v1 信息检索
机器学习
音频与语音处理
摘要
在传统监督学习中，交叉熵损失将所有错误预测视为等价，忽略了错误标签与正确答案之间的关联性或接近性。通过利用标签的树状层次结构，我们调查了混合损失函数，如广义三元组损失和交叉熵损失，以在多任务学习框架下强制标签之间的相似性。我们提出了评估嵌入空间结构和评估模型对未见类别泛化能力的指标，即推断属于未知类别的数据的相似类别。我们在 OrchideaSOL 数据集上进行实验，该数据集是一个四级层次乐器声音数据集，包含近 200 个详细类别。实验结果表明，所提出的混合损失函数在分类、检索、嵌入空间结构和泛化方面均优于以往工作。
引用
@article{arxiv.2501.12796,
title = {Hybrid Losses for Hierarchical Embedding Learning},
author = {Haokun Tian and Stefan Lattner and Brian McFee and Charalampos Saitis},
journal= {arXiv preprint arXiv:2501.12796},
year = {2025}
}
备注
Accepted to ICASSP 2025