NTT DCASE2020 挑战赛任务 6 系统：基于关键词与句子长度估计的自动音频描述
音频与语音处理
2020-07-02 v1 机器学习
声音
机器学习
摘要
本技术报告介绍了参与 2020 年声学场景与事件检测及分类（DCASE）挑战赛任务 6（自动音频描述）的系统。我们的提交方案着重解决自动音频描述中的两个不确定性问题：词语选择不确定性与句子长度不确定性。我们通过多任务学习估计关键词与句子长度，同时解决主描述生成与子不确定性问题。我们使用开发测试数据集对我们提交的简化模型进行了测试。我们的模型取得了 20.7 的 SPIDEr 分数，而基线系统为 5.4。
引用
@article{arxiv.2007.00225,
title = {The NTT DCASE2020 Challenge Task 6 system: Automated Audio Captioning with Keywords and Sentence Length Estimation},
author = {Yuma Koizumi and Daiki Takeuchi and Yasunori Ohishi and Noboru Harada and Kunio Kashino},
journal= {arXiv preprint arXiv:2007.00225},
year = {2020}
}
备注
Technical Report of DCASE2020 Challenge Task 6