SAM-GCNN：一种具有段级注意力机制的门控卷积神经网络用于家庭活动监测
声音
2018-11-15 v2 计算机视觉与模式识别
音频与语音处理
摘要
在本文中，我们提出了一种用于家庭活动监测的方法。我们在 Detection and Classification of Acoustic Scenes and Events (DCASE) 2018 挑战赛任务 5 的数据集上展示了我们的模型。该任务旨在将多通道音频分类为所提供的预定义类别之一。所有这些类别都是在家庭环境中执行的日常活动。为应对该任务，我们提出了一种具有段级注意力机制的门控卷积神经网络（SAM-GCNN）。所提出的框架是一个带有两辅助模块的卷积模型：门控卷积神经网络和段级注意力机制。此外，我们采用模型集成来增强模型的泛化能力。我们在 DCASE 2018 任务 5 的开发数据集上评估了我们的工作，并取得了有竞争力的性能，宏平均 F-1 分数从卷积基线系统的 83.76% 提高到 89.33%。
引用
@article{arxiv.1810.03986,
title = {SAM-GCNN: A Gated Convolutional Neural Network with Segment-Level Attention Mechanism for Home Activity Monitoring},
author = {Yu-Han Shen and Ke-Xin He and Wei-Qiang Zhang},
journal= {arXiv preprint arXiv:1810.03986},
year = {2018}
}
备注
6 pages, accepted by ISSPIT 2018