DCASE 2022挑战赛中的低复杂度声学场景分类
音频与语音处理
2022-07-14 v2
摘要
本文对DCASE 2022挑战赛中的低复杂度声学场景分类任务进行分析。该任务是前几年的延续，但低复杂度要求变更为：允许的最大参数数量（包括零值参数）为128 K，参数以INT8数值格式表示；推理时的最大乘累加操作数为3000万。所提供的基线系统是一个卷积神经网络，采用训练后参数量化，得到46.5 K参数和2923万次乘累加操作（MMACs）。其在评估数据上的性能为44.2%准确率和1.532对数损失。相比之下，挑战赛中的顶尖系统取得了59.6%的准确率和1.091的对数损失，具有121 K参数和28 MMACs。该任务收到了来自19个不同团队的48份提交，其中大多数优于基线系统。
引用
@article{arxiv.2206.03835,
title = {Low-complexity acoustic scene classification in DCASE 2022 Challenge},
author = {Irene Martín-Morató and Francesco Paissan and Alberto Ancilotto and Toni Heittola and Annamaria Mesaros and Elisabetta Farella and Alessio Brutti and Tuomas Virtanen},
journal= {arXiv preprint arXiv:2206.03835},
year = {2022}
}