具有时间注意力的多流网络用于环境声音分类
声音
2019-01-28 v1 多媒体
音频与语音处理
摘要
环境声音分类系统常在不同声音分类任务与具有变化时域结构的音频信号上表现不够鲁棒。我们引入一种带时间注意力的多流卷积神经网络以解决这些问题。该网络依赖由原始音频与谱特征组成的三个输入流，并利用由随时间能量变化计算所得的时间注意力函数。训练与分类采用结合不确定性的决策融合与数据增强技术。我们在三个常用的环境声音与音频场景分类数据集上评估该网络，在未改动网络架构或前端预处理的情况下取得新的 SOTA 性能，从而展现出更好的泛化能力。
引用
@article{arxiv.1901.08608,
title = {Multi-stream Network With Temporal Attention For Environmental Sound Classification},
author = {Xinyu Li and Venkata Chebiyyam and Katrin Kirchhoff},
journal= {arXiv preprint arXiv:1901.08608},
year = {2019}
}