结合 GridMask 的 TC-SKNet 用于低复杂度声学场景分类
声音
2022-10-06 v1 机器学习
音频与语音处理
摘要
卷积神经网络（CNNs）在低复杂度分类任务（如声学场景分类（ASCs））中表现良好。然而，关于目标语音长度与卷积核大小之间关系的研究甚少。在本文中，我们将选择性核网络与时域卷积（TC-SKNet）相结合，以调整卷积核的感知野，在保持低复杂度的同时解决目标语音长度可变的问题。GridMask 是一种通过掩蔽部分原始数据或特征区域的数据增强策略，它可像 dropout 一样增强模型的泛化能力。在我们的实验中，GridMask 在 ASCs 中带来的性能提升强于频谱增强。最后，我们采用 AutoML 搜索 TC-SKNet 的最佳结构与 GridMask 的超参数以提升分类性能。结果，TC-SKNet 的峰值准确率达 59.87%，与 SOTA 相当，但参数仅用 20.9 K。
引用
@article{arxiv.2210.02287,
title = {TC-SKNet with GridMask for Low-complexity Classification of Acoustic scene},
author = {Luyuan Xie and Yan Zhong and Lin Yang and Zhaoyu Yan and Zhonghai Wu and Junjie Wang},
journal= {arXiv preprint arXiv:2210.02287},
year = {2022}
}
备注
Accepted to APSIPA ASC 2022