SpecAugment++：一种用于声学场景分类的隐空间数据增强方法
音频与语音处理
2021-06-16 v3 声音
摘要
本文提出SpecAugment++，一种基于深度神经网络、用于声学场景分类（ASC）的新颖数据增强方法。不同于SpecAugment和mixup等其他仅作用于输入空间的流行数据增强方法，SpecAugment++同时应用于深度神经网络的输入空间与隐空间，以增强输入与中间特征表示。对于中间隐状态，增强技术包括掩蔽频率通道块与掩蔽时间帧块，其通过使模型不仅关注最具判别力的特征部分、也关注整体部分来提升泛化能力。除使用零值进行掩蔽外，我们还考察了两种基于小批量内其他样本使用的掩蔽方法，有助于向网络引入噪声使其对分类更具判别力。在DCASE 2018 Task1数据集与DCASE 2019 Task1数据集上的实验结果表明，我们所提方法相较无增强的强基线（即CP-ResNet）分别获得3.6%与4.7%的准确率提升，并优于其他先前的数据增强方法。
引用
@article{arxiv.2103.16858,
title = {SpecAugment++: A Hidden Space Data Augmentation Method for Acoustic Scene Classification},
author = {Helin Wang and Yuexian Zou and Wenwu Wang},
journal= {arXiv preprint arXiv:2103.16858},
year = {2021}
}
备注
Submitted to Interspeech 2021