面向健康相关声学信号对比学习的音频增强优化
机器学习
2023-09-13 v1 声音
音频与语音处理
摘要
健康相关的声学信号，如咳嗽与呼吸声，与医学诊断和持续健康监测相关。大多数现有的健康声学机器学习方法针对特定任务进行训练和评估，限制了它们在各种医疗应用中的泛化能力。本文利用自监督学习框架，即带有 Slowfast NFNet 主干的 SimCLR，进行健康声学的对比学习。优化 Slowfast NFNet 用于该应用的一个关键方面在于识别有效的音频增强策略。我们对多种音频增强策略进行了深入分析，并证明恰当的增强策略可提升 Slowfast NFNet 音频编码器在多样化健康声学任务上的性能。我们的发现表明，当增强组合使用时，可产生超越各自单独应用所获益处的协同效应。
引用
@article{arxiv.2309.05843,
title = {Optimizing Audio Augmentations for Contrastive Learning of Health-Related Acoustic Signals},
author = {Louis Blankemeier and Sebastien Baur and Wei-Hung Weng and Jake Garrison and Yossi Matias and Shruthi Prabhakara and Diego Ardila and Zaid Nabulsi},
journal= {arXiv preprint arXiv:2309.05843},
year = {2023}
}
备注
7 pages, 2 pages appendix, 2 figures, 5 appendix tables