SRIB 在 Interspeech 2021 DiCOVA 挑战赛中的提交
音频与语音处理
2021-06-16 v1 声音
摘要
COVID-19 大流行已导致超过 1.25 亿感染和超过 270 万死亡。在本文中，我们尝试利用信号处理和深度学习方法对 covid 与非 covid 咳嗽声进行分类。气流湍流、组织振动、流体通过气道的运动、声门的开闭是咳嗽时产生声学信号的部分原因。COVID-19 是否会改变呼吸系统产生的呼吸、咳嗽和语音声学的特性？这是一个等待答案的开放问题。在本文中，我们引入了新颖的数据增强方法用于咳嗽声增强，以及多种深度神经网络架构与方法，并结合手工特征。我们提出的系统在曲线下面积（AUC）上取得 14% 的绝对提升。所提系统作为 Interspeech 2021 特别分会与挑战赛（即利用声学诊断 COVID-19（DiCOVA））的一部分开发。我们提出的方法在 29 个参与者中位列排行榜第 5 名。
引用
@article{arxiv.2106.07972,
title = {SRIB Submission to Interspeech 2021 DiCOVA Challenge},
author = {Vishwanath Pratap Singh and Shashi Kumar and Ravi Shekhar Jha and Abhishek Pandey},
journal= {arXiv preprint arXiv:2106.07972},
year = {2021}
}
备注
5 pages, 5 figures