基于CRNN模型串联集成的声源检测、定位与分类
音频与语音处理
2019-10-31 v2 机器学习
声音
机器学习
摘要
本文描述了我们针对DCASE2019任务3（声音事件定位与检测，SELD）的方法。我们使用四个类SELDnet的单输出CRNN模型以串联方式运行，以恢复发生事件的所有可能信息。我们将SELD任务分解为估计活跃声源数量、估计单一声源到达方向、在已知第一声源方向下估计第二声源到达方向，以及一个多标签分类任务。我们使用自定义串联集成来预测事件的起始、结束、到达方向和类别。所提方法在TAU空间声音事件2019——Ambisonic数据集上进行评估，并与其他参与者的提交结果进行了比较。
引用
@article{arxiv.1908.00766,
title = {Sound source detection, localization and classification using consecutive ensemble of CRNN models},
author = {Sławomir Kapka and Mateusz Lewandowski},
journal= {arXiv preprint arXiv:1908.00766},
year = {2019}
}
备注
5 pages, 3 figures, conference