幂池化：一种用于弱标注声音事件检测的自适应池化函数
声音
2021-01-21 v2 机器学习
音频与语音处理
摘要
在工程应用中，获取带有强标注声音事件的大型语料库成本高且困难。许多研究转而解决如何利用仅指定事件类型的弱标签来检测声音事件类型与时间戳的问题。该任务可视为多示例学习（MIL）问题，其关键在于池化函数的设计。本文提出一种可自动适应各类声源的自适应幂池化函数。在两个公开数据集上，所提幂池化函数在粗粒度与细粒度指标上均优于最先进的线性 softmax 池化。值得注意的是，它将基于事件的 F1 分数（用于评估事件起止的检测）在两个数据集上分别相对提升了 11.4% 与 10.2%。尽管本文聚焦于声音事件检测应用，所提方法可应用于其他领域的 MIL 任务。
关键词
引用
@article{arxiv.2010.09985,
title = {Power pooling: An adaptive pooling function for weakly labelled sound event detection},
author = {Yuzhuo Liu and Hangting Chen and YunWang and Pengyuan Zhang},
journal= {arXiv preprint arXiv:2010.09985},
year = {2021}
}