面向声音事件检测的在线主动学习
音频与语音处理
2023-09-29 v1 人工智能
计算与语言
声音
信号处理
摘要
数据收集与标注是有监督机器学习任务中费力且耗时的前置工作。在线主动学习（OAL）是一种范式，通过同时最小化训练分类器所需的标注量并适应数据收集过程中的数据变化来解决此问题。先前工作表明，波动的类别分布与数据漂移仍是 OAL 的常见问题。本工作提出了新的损失函数，在 OAL 应用于声音事件检测（SED）时应对这些挑战。来自 SONYC 数据集与两个语音类型判别（VTD）语料库的实验结果表明，OAL 可将训练 SED 分类器所需的时间和精力在 SONYC 上减少为原来的五分之一，且本文提出的新方法成功解决了现有 OAL 方法中存在的问题。
引用
@article{arxiv.2309.14460,
title = {Online Active Learning For Sound Event Detection},
author = {Mark Lindsey and Ankit Shah and Francis Kubala and Richard M. Stern},
journal= {arXiv preprint arXiv:2309.14460},
year = {2023}
}
备注
Submitted to ICASSP 2024. Publication will belong to IEEE