DCASE 2021 任务 1A：基于挤压激励技术与低复杂度约束的设备失配声学场景分类
声音
2021-08-02 v1 机器学习
音频与语音处理
摘要
声学场景分类（ASC）是机器听觉领域最热门的问题之一。该问题的目标是仅利用音频数据将一段音频片段分类到预定义的场景之一。多年来，在 DCASE 的不同版本中该问题取得了显著进展。它通常包含若干子任务，允许以不同方法解决该问题。本报告中呈现的子任务对应于一个受模型复杂度约束且包含来自不同设备（称为失配设备，包括真实与模拟设备）所录制音频的 ASC 问题。本报告中的工作延续了团队前几年的研究路线。具体而言，提出了一种基于两步的系统：使用 Gammatone 滤波器组对音频进行二维表示，以及使用挤压激励技术的卷积神经网络。所提出的系统比基线高出约 17 个百分点。
引用
@article{arxiv.2107.14658,
title = {Task 1A DCASE 2021: Acoustic Scene Classification with mismatch-devices using squeeze-excitation technique and low-complexity constraint},
author = {Javier Naranjo-Alcazar and Sergi Perez-Castanos and Maximo Cobos and Francesc J. Ferri and Pedro Zuccarello},
journal= {arXiv preprint arXiv:2107.14658},
year = {2021}
}
备注
Submitted to Task 1a DCASE 2021 Challenge