利用层次结构进行少样本乐器识别
声音
2021-08-02 v2 机器学习
音频与语音处理
摘要
深度学习在乐器识别方面的工作通常集中于我们有大量数据的乐器类别。在本工作中，我们在少样本学习设置中利用乐器之间的层次关系，以在推理时给定少量样本的情况下实现对更广泛乐器集合的分类。我们将层次损失函数应用于原型网络(prototypical networks)的训练，并结合一种层次化聚合原型的方法，以反映预定义乐器层次的结构。这些扩展无需改变网络架构，且可轻松添加或移除新层级。与非层次化少样本基线相比，我们的方法在训练未见乐器类别上的分类准确率显著提升，且错误严重程度显著下降。
引用
@article{arxiv.2107.07029,
title = {Leveraging Hierarchical Structures for Few-Shot Musical Instrument Recognition},
author = {Hugo Flores Garcia and Aldo Aguilar and Ethan Manilow and Bryan Pardo},
journal= {arXiv preprint arXiv:2107.07029},
year = {2021}
}