利用城市特征改进声学场景分类
声音
2025-06-16 v2 计算机视觉与模式识别
音频与语音处理
摘要
声学场景录音通常来自多样化的城市。目前大多数声学场景分类（ASC）方法专注于识别跨城市的常见声学场景模式，以增强泛化性。然而，由城市特定环境和文化因素引入的潜在声学差异被忽略了。本文我们假设，城市特定的声学特征对于ASC任务而言是有益的，而不应被视为噪声或偏置。为此，我们提出了City2Scene—a一种新型框架，利用城市特征来提高ASC。不同于可能舍弃或抑制城市信息的常规方法，City2Scene通过知识蒸馏将预训练城市分类模型中的城市特定知识传递到场景分类模型。我们在包括场景和城市标签的三个DCASE挑战任务1数据集上评估了City2Scene。实验结果表明，城市特征为分类场景提供了有价值的信息。通过蒸馏城市特定知识，City2Scene在各种轻量级CNN主干网络上均有效提升了准确率，达到了近年来DCASE挑战顶级解决方案的竞争水平。
引用
@article{arxiv.2503.16862,
title = {Improving Acoustic Scene Classification with City Features},
author = {Yiqiang Cai and Yizhou Tan and Shengchen Li and Xi Shao and Mark D. Plumbley},
journal= {arXiv preprint arXiv:2503.16862},
year = {2025}
}