基于卷积循环神经网络与半监督损失函数的复音声音事件检测用于DCASE 2020挑战赛任务4
音频与语音处理
2020-07-03 v1 声音
摘要
本报告提出了一种用于DCASE 2020挑战赛任务4的复音声音事件检测（SED）方法。所提出的SED方法基于半监督学习，以处理弱标记数据集、未标记数据集和强标记合成数据集等不同训练数据集的组合。特别地，来自弱标记或未标记数据集的每个音频片段的目标标签首先通过使用作为DCASE 2020基线的mean teacher模型进行预测。带有预测标签的数据用于训练所提出的SED模型，该模型由具有跳跃连接和自注意力机制的CNN以及随后的RNN组成。为了补偿弱标记和未标记数据的错误预测，所提出的SED模型采用了半监督损失函数。在这项工作中，根据半监督损失函数的不同参数设置实现并评估了所提出SED模型的若干个版本在验证集上的表现，并最终选择结合五折验证模型的集成模型作为我们的最终模型。
引用
@article{arxiv.2007.00947,
title = {Polyphonic sound event detection based on convolutional recurrent neural networks with semi-supervised loss function for DCASE challenge 2020 task 4},
author = {Nam Kyun Kim and Hong Kook Kim},
journal= {arXiv preprint arXiv:2007.00947},
year = {2020}
}
备注
4 pages, DCASE challenge 2020 task4 technical report