使用门控卷积神经网络的大规模弱监督音频分类
声音
2017-10-03 v1 音频与语音处理
摘要
在本文中，我们提出了一种用于音频分类的门控卷积神经网络和一种基于时间注意力的定位方法，该方法在声学场景与事件检测和分类（DCASE）2017 挑战赛的大规模弱监督声事件检测任务中获得第一名。该任务中的音频片段提取自 YouTube 视频，被手动标记为一个或几个音频标签，但没有音频事件的时间戳，这被称为弱标记数据。该挑战赛定义了两个子任务，包括使用这种弱标记数据的音频打标签和声事件检测。提出了一种在 log Mel 频谱图上应用可学习门控线性单元（GLU）非线性的卷积循环神经网络（CRNN）。此外，提出了一种沿帧的时间注意力方法，用于从弱标记数据中预测一个片段中每个音频事件的位置。作为一支队伍，我们在 DCASE 2017 挑战赛的这两个子任务中分别以 55.6% 的 F 值和 0.73 的等错误率排名第一和第二。
引用
@article{arxiv.1710.00343,
title = {Large-scale weakly supervised audio classification using gated convolutional neural network},
author = {Yong Xu and Qiuqiang Kong and Wenwu Wang and Mark D. Plumbley},
journal= {arXiv preprint arXiv:1710.00343},
year = {2017}
}
备注
submitted to ICASSP2018, summary on the 1st place system in DCASE2017 task4 challenge