面向音频分析与弱标签分类的音频片段相关性估计
音频与语音处理
2019-11-13 v1 机器学习
声音
摘要
我们提出一种方法，用于量化弱标签问题中各音频片段对于分类的重要性（即相关性）。该方法通过从一组按类别划分的一对多分类器中获取信息来工作。通过选择每个特定分类问题中使用的分类器，相关性度量能够适应不同的用户自定义视角，而无需额外的神经网络训练。这一特性使得相关性度量能够突出快速适应用户自定义准则的音频片段。此类功能可用于计算机辅助音频分析。此外，我们提出一种神经网络架构，即 RELNET，利用该相关性度量解决弱标签音频分类问题。RELNET 在 DCASE2018 数据集上进行了评估，与先前基于注意力的方案相比取得了具有竞争力的分类结果。
引用
@article{arxiv.1911.04666,
title = {Segment Relevance Estimation for Audio Analysis and Weakly-Labelled Classification},
author = {Juliano Henrique Foleiss and Tiago Fernandes Tavares},
journal= {arXiv preprint arXiv:1911.04666},
year = {2019}
}
备注
Submitted to IEEE Signal Processing Letters