LC-Protonets：面向世界音乐音频标注的多标签小样本学习
声音
2025-02-11 v2 机器学习
音频与语音处理
摘要
我们引入了标签组合原型网络（LC-Protonets）来解决多标签小样本分类问题，在该问题中，模型必须仅基于少量可用样本泛化到新类别。作为原型网络的扩展，LC-Protonets为每种标签组合生成一个原型，该原型源自有限训练项中存在的标签的幂集，而不是为每个标签生成一个原型。我们的方法应用于跨不同音乐数据集的自动音频标注，涵盖不同文化并包含现代和传统音乐，并与文献中的现有方法进行了评估比较。结果表明，在几乎所有领域和训练设置中，使用LC-Protonets进行多标签分类均显著提升了性能。除了从头训练小样本学习模型外，我们还探索了使用通过监督学习获得的预训练模型在特征空间中嵌入项目。微调提高了所有方法的泛化能力，然而与对比方法相比，LC-Protonets即使不进行微调也能实现高性能。我们最后分析了所提方法的可扩展性，并提供了实验的详细定量指标。实现和实验设置已公开，为未来研究提供了基准。
引用
@article{arxiv.2409.11264,
title = {LC-Protonets: Multi-Label Few-Shot Learning for World Music Audio Tagging},
author = {Charilaos Papaioannou and Emmanouil Benetos and Alexandros Potamianos},
journal= {arXiv preprint arXiv:2409.11264},
year = {2025}
}