声学场景分类上的神经架构搜索
声音
2020-08-06 v2 机器学习
音频与语音处理
机器学习
摘要
卷积神经网络被广泛用于声学场景分类（ASC）任务，但它们通常带来沉重的计算负担。本工作中，我们提出了一个受 MobileNetV2 启发的轻量且高性能的基线网络，其用单向卷积核替换方形卷积核，以在时间和频率维度交替提取特征。此外，我们基于所提基线并利用最近的神经架构搜索（NAS）范式探索了一个动态架构空间，该方法首先训练一个包含所有候选网络的超网，然后应用著名的进化算法 NSGA-II 来发现具有更高精度和更低计算成本的更高效网络。实验结果表明，我们搜索出的网络在 ASC 任务中表现优异，在 DCASE2018 task 5 评测集上取得了 90.3% 的 F1-score，在比基线网络节省 25% FLOPs 的同时标志着新的 SOTA 性能。
引用
@article{arxiv.1912.12825,
title = {Neural Architecture Search on Acoustic Scene Classification},
author = {Jixiang Li and Chuming Liang and Bo Zhang and Zhao Wang and Fei Xiang and Xiangxiang Chu},
journal= {arXiv preprint arXiv:1912.12825},
year = {2020}
}
备注
Accepted to Interspeech 2020