用于声音事件检测的增量学习算法
机器学习
2020-03-30 v1 声音
音频与语音处理
摘要
本文提出了一种用于声音事件检测（SED）系统的新学习策略，以解决以下问题：i) 从预训练模型到新目标模型的知识迁移；ii) 在不从头重新训练的情况下学习新的声音事件而不遗忘先前已学习的事件。为了将先前学习的知识从源模型迁移到目标模型，在源模型顶部采用了一个神经适配器（neural adapter）。源模型与目标模型通过该神经适配器层进行合并。神经适配器层使目标模型能够以最少的训练数据学习新的声音事件，并保持先前学习的声音事件性能与源模型相近。我们在 DCASE16 和 US-SED 数据集上的大量分析表明，所提方法在源模型与目标模型之间迁移知识时有效，且不会对先前学习的声音事件引入任何性能退化，同时在新学习的声音事件上获得有竞争力的检测性能。
引用
@article{arxiv.2003.12175,
title = {Incremental Learning Algorithm for Sound Event Detection},
author = {Eunjeong Koh and Fatemeh Saki and Yinyi Guo and Cheng-Yu Hung and Erik Visser},
journal= {arXiv preprint arXiv:2003.12175},
year = {2020}
}
备注
IEEE ICME 2020 Camera Ready Version