论使用二分类器而非数据密集型神经网络分类器从语音检测 COVID-19 的实用主义
声音
2022-10-27 v2 机器学习
多媒体
音频与语音处理
摘要
近来，多个研究小组在全球范围内努力从语音中检测 COVID-19。不同研究者利用语音信号中不同类型的信息来实现这一目标。各类发声音以及咳嗽和呼吸声都已在自动化基于语音的 COVID-19 检测应用中以不同程度成功使用。在本文中，我们表明从语音检测 COVID-19 不需要定制的非标准特征或复杂的神经网络分类器，而是仅用标准特征和简单二分类器即可成功完成。事实上，我们表明后者不仅更准确和可解释，而且在计算上更高效，因为它们可以在小型设备上本地运行。我们在一个包含超过 1000 名受试者的、在临床环境中收集和校准的人为策展数据集上证明了这一点。
引用
@article{arxiv.2204.04802,
title = {On the pragmatism of using binary classifiers over data intensive neural network classifiers for detection of COVID-19 from voice},
author = {Ankit Shah and Hira Dhamyal and Yang Gao and Daniel Arancibia and Mario Arancibia and Bhiksha Raj and Rita Singh},
journal= {arXiv preprint arXiv:2204.04802},
year = {2022}
}
备注
Submitted to ICASSP 2022