声学场景与声音事件的增量学习
音频与语音处理
2023-08-25 v2 声音
摘要
在本文中，我们提出一种随时间增量学习两项不同任务的方法：声学场景分类（ASC）与音频标注（AT）。我们使用一个简单的卷积神经网络（CNN）模型作为增量学习器来解决这些任务。通常，增量学习方法在依次训练新任务时会灾难性地遗忘先前的任务。为缓解此问题，我们提出在时间步之间采用独立学习和知识蒸馏（KD）。实验在 TUT 2016/2017 数据集上执行，该数据集包含 4 个声学场景类别和 25 个声音事件类别。所提出的增量学习器首先以 94.0% 的准确率解决 ASC 任务。接着，它以 54.4% 的 F1 分数学习解决 AT 任务。同时，由于额外学习 AT 任务，其在先前 ASC 任务上的性能仅下降 5.1 个百分点。
引用
@article{arxiv.2302.14815,
title = {Incremental Learning of Acoustic Scenes and Sound Events},
author = {Manjunath Mulimani and Annamaria Mesaros},
journal= {arXiv preprint arXiv:2302.14815},
year = {2023}
}
备注
Accepted to DCASE2023 Workshop