MusicNet：用于实时背景音乐检测的紧凑卷积神经网络
音频与语音处理
2022-04-18 v2 声音
摘要
随着近期远程办公的增长，在线会议经常遇到具有挑战性的音频环境，如背景噪声、音乐和回声。准确实时检测音乐事件有助于改善用户体验。在本文中，我们提出 MusicNet，一种用于实时通信流水线中检测背景音乐的紧凑神经模型。在视频会议中，音乐常与语音和背景噪声同时出现，使得准确分类颇具挑战。我们提出一个以模型内特征提取层为先导的紧凑卷积神经网络核心。MusicNet 以 9 秒原始音频作为输入，且在产品栈中不需要任何模型特定的特征提取。我们在 Audio Set 数据的平衡子集上训练模型，并在 1000 个众包真实测试片段上验证。最后，我们将 MusicNet 的性能与 20 个最先进模型进行比较。MusicNet 在 0.1% 假阳性率（FPR）下具有 81.3% 的真阳性率（TPR），显著优于我们所研究的最先进模型。MusicNet 也比我们基准测试中所表现最佳的模型小 10 倍且推理快 4 倍。
引用
@article{arxiv.2110.04331,
title = {MusicNet: Compact Convolutional Neural Network for Real-time Background Music Detection},
author = {Chandan K. A. Reddy and Vishak Gopa and Harishchandra Dubey and Sergiy Matusevych and Ross Cutler and Robert Aichner},
journal= {arXiv preprint arXiv:2110.04331},
year = {2022}
}