弱标签在嵌入与标注中的局限性
声音
2020-12-08 v4 人工智能
机器学习
音频与语音处理
摘要
环境声音分析中的许多数据集与方法都使用弱标签数据。采用弱标签是因为用强标签标注每个数据样本过于昂贵。然而，与强标签相比，弱标签对性能的影响仍不明确。实际上，弱标签往往必须与其他挑战同时处理，即每样本多标签、类别不平衡和/或事件重叠。本文中，我们形式化了一个涉及弱标签的监督学习问题。我们创建了一个聚焦于强标签与弱标签差异而非其他挑战的数据集。我们研究了在训练嵌入或端到端分类器时弱标签的影响。讨论了不同实验场景，以深入揭示哪些应用对弱标签数据最为敏感。
引用
@article{arxiv.2002.01687,
title = {Limitations of weak labels for embedding and tagging},
author = {Nicolas Turpault and Romain Serizel and Emmanuel Vincent},
journal= {arXiv preprint arXiv:2002.01687},
year = {2020}
}