基于非负矩阵分解-卷积神经网络（NMF-CNN）的声音事件检测
声音
2020-01-23 v1 音频与语音处理
摘要
今年 DCASE 挑战赛任务 4——家庭环境中的声音事件检测——的核心科学问题是研究所需的数据类型（强标注合成数据、弱标注数据、无标注同域数据）以取得性能最优的系统。本文提出一种将非负矩阵分解（NMF）与卷积神经网络（CNN）相集成的深度学习模型。该集成的关键思想是利用 NMF 为弱标注数据提供近似的强标注。相较于基线系统，此种集成取得了更高的基于事件的 F1 分数（评测数据集：30.39% 对 23.7%，验证数据集：31% 对 25.8%）。通过将验证结果与其他参与者比较，所提系统在今年任务 4 挑战赛的 19 支队伍（含基线系统）中排名第 8。
引用
@article{arxiv.2001.07874,
title = {Non-Negative Matrix Factorization-Convolutional Neural Network (NMF-CNN) For Sound Event Detection},
author = {Teck Kai Chan and Cheng Siong Chin and Ye Li},
journal= {arXiv preprint arXiv:2001.07874},
year = {2020}
}
备注
5 pages, 1 figure, 2 tables