基于部分标签的多乐器分类学习
声音
2020-01-27 v1 音频与语音处理
摘要
多乐器识别是预测音频片段中不同乐器存在与否的任务。将深度学习应用于多乐器识别的一个重大挑战是标注数据的稀缺。OpenMIC 是近期包含 2 万段复调音频片段的数据集。该数据集为弱标注，即每段片段仅已知乐器的存在与否，而起始和结束时间未知。该数据集同时也是部分标注的，即每段片段仅标注了乐器的一个子集。在本工作中，我们研究使用基于注意力的循环神经网络来解决弱标注问题。我们还使用不同的数据增强方法来缓解部分标注问题。我们的实验表明，我们的方法在 OpenMIC 多乐器识别任务上取得了最先进的结果。
引用
@article{arxiv.2001.08864,
title = {Learning Multi-instrument Classification with Partial Labels},
author = {Amir Kenarsari Anhari},
journal= {arXiv preprint arXiv:2001.08864},
year = {2020}
}