SEED：基于证据不确定性的声音事件早期检测
声音
2022-02-15 v2 机器学习
音频与语音处理
摘要
声音事件早期检测（SEED）是识别声学环境与声景的一项关键任务。然而，现有多数方法聚焦于离线声音事件检测，其存在早期事件检测的过置信问题，通常给出不可靠结果。为解决该问题，我们提出一种新颖的多音证据神经网络（PENet），以通过 Beta 分布对类概率的证据不确定性建模。具体而言，我们使用 Beta 分布对类概率的分布建模，且证据不确定性以证据信息丰富了不确定性表示，这在可靠预测中起着核心作用。为进一步提升事件检测性能，我们设计了回溯推理方法，利用进行中事件的前向与后向音频特征。在 DESED 数据库上的实验表明，与最先进方法相比，所提方法在时延与检测 F1 分数上分别同时提升 13.0% 与 3.8%。
引用
@article{arxiv.2202.02441,
title = {SEED: Sound Event Early Detection via Evidential Uncertainty},
author = {Xujiang Zhao and Xuchao Zhang and Wei Cheng and Wenchao Yu and Yuncong Chen and Haifeng Chen and Feng Chen},
journal= {arXiv preprint arXiv:2202.02441},
year = {2022}
}
备注
ICASSP 2022