时间强标签在音频事件分类中的益处
声音
2021-05-18 v1 音频与语音处理
摘要
为揭示真实音频事件标签中时间精度的重要性，我们为AudioSet数据集的一部分收集了精确的（约0.1秒分辨率）“强”标签。我们设计了一个时间强评估集（包含不同难度的显式负样本）以及一个由6.7万段剪辑组成的小型强标签训练子集（相较于原始数据集以10秒分辨率标注的180万段剪辑）。我们表明，使用弱标签和强标签数据的混合进行微调可以显著提升分类器性能，即使仅使用原始弱标签进行评估时也是如此。对于ResNet50架构，在包含显式负样本的强评估数据上，d'从1.13提升至1.41。新标签作为AudioSet的更新已可供使用。
引用
@article{arxiv.2105.07031,
title = {The Benefit Of Temporally-Strong Labels In Audio Event Classification},
author = {Shawn Hershey and Daniel P W Ellis and Eduardo Fonseca and Aren Jansen and Caroline Liu and R Channing Moore and Manoj Plakal},
journal= {arXiv preprint arXiv:2105.07031},
year = {2021}
}
备注
Accepted for publication at ICASSP 2021