基于师生方案与多谱图的低复杂度声学场景分类深度学习框架
声音
2023-05-17 v1 人工智能
音频与语音处理
摘要
在本技术报告中，提出了一个用于声学场景分类 (ASC) 的低复杂度深度学习系统。所提系统包含两个主要阶段：（阶段 I）训练教师网络；（阶段 II）利用来自教师的知识蒸馏训练学生网络。在第一阶段，训练呈现大 footprint 模型的教师。教师训练完成后，提取其倒数第二层的特征图即嵌入向量。在第二阶段，呈现低复杂度模型的学生网络利用从教师提取的嵌入向量进行训练。我们在 DCASE 2023 Task 1 开发集上的实验满足了低复杂度要求，并取得了 57.4% 的最佳分类准确率，较 DCASE 基线提升 14.5%。
引用
@article{arxiv.2305.09463,
title = {Low-complexity deep learning frameworks for acoustic scene classification using teacher-student scheme and multiple spectrograms},
author = {Lam Pham and Dat Ngo and Cam Le and Anahid Jalali and Alexander Schindler},
journal= {arXiv preprint arXiv:2305.09463},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2206.06057