基于协同微调与随机归一化的肺音分类
音频与语音处理
2021-08-05 v1 机器学习
声音
摘要
在本文中，我们使用预训练的 ResNet 模型作为主干架构，用于分类附加肺音与呼吸系统疾病。预训练模型的知识通过普通微调、协同微调（co-tuning）、随机归一化（stochastic normalization）以及协同微调与随机归一化技术相结合的方式进行迁移。此外，在时域和时频域均使用数据增强，以解决 ICBHI 与我们多通道肺音数据集的类别不平衡问题。另外，我们应用频谱校正来考虑 ICBHI 数据集上录音设备特性的差异。经验上，我们所提出的系统在这两个数据集的附加肺音与呼吸系统疾病分类上大多优于所有最先进的肺音分类系统。
引用
@article{arxiv.2108.01991,
title = {Lung Sound Classification Using Co-tuning and Stochastic Normalization},
author = {Truc Nguyen and Franz Pernkopf},
journal= {arXiv preprint arXiv:2108.01991},
year = {2021}
}
备注
Submitted to IEEE BE Transaction