利用逐层相关性传播解释深度城市声音分类
声音
2021-11-22 v1 机器学习
音频与语音处理
摘要
在构建用于城市声音分类的深度神经网络后，本工作聚焦于辅助听力受损驾驶员的敏感应用。因此，清晰解释并说明模型预测的成因是一项强需求。为此，我们使用了两种音频信号表示，即梅尔谱图和常数Q谱图，而深度神经网络的决策通过逐层相关性传播进行解释。同时，在两个特征集中被赋予高相关性的频率内容，表明了表征当前分类任务的极强判别性信息。总体而言，我们提出了一个用于理解深度城市声音分类的可解释AI框架。
引用
@article{arxiv.2111.10235,
title = {Interpreting deep urban sound classification using Layer-wise Relevance Propagation},
author = {Marco Colussi and Stavros Ntalampiras},
journal= {arXiv preprint arXiv:2111.10235},
year = {2021}
}