用于声学事件检测的多尺度时频注意力
声音
2019-09-10 v3 音频与语音处理
摘要
大多数基于注意力的方法仅沿时间轴集中，这对于声学事件检测（AED）而言是不充分的。同时，以往的AED方法很少考虑到目标事件具有不同时域与频域尺度。在本工作中，我们提出一种用于AED的多尺度时频注意力（MTFA）模块。MTFA在多种分辨率下收集信息以生成时频注意力掩码，该掩码告知模型沿时间和频率轴在何处聚焦。借助MTFA，模型能够捕获具有不同尺度的目标事件的特征。我们在Detection and Classification of Acoustic Scenes and Events（DCASE）2017挑战赛的任务2上验证了所提方法。我们的方法在开发数据集和评估数据集上均取得了具有竞争力的结果。
引用
@article{arxiv.1904.00063,
title = {Multi-Scale Time-Frequency Attention for Acoustic Event Detection},
author = {Jingyang Zhang and Wenhao Ding and Jintao Kang and Liang He},
journal= {arXiv preprint arXiv:1904.00063},
year = {2019}
}
备注
Accepted by Interspeech 2019