弱监督可扩展音频内容分析

音频事件检测是多媒体数据内容分析的一项重要任务。目前关于音频事件检测的大多数工作都是由监督学习方法驱动的。我们提出了一种弱监督学习框架，该框架可以利用海量的网络多媒体数据，同时显著减少标注工作量和成本。具体而言，我们使用了几种多示例学习（multiple instance learning）算法来证明通过弱标签进行音频事件检测是可行的。我们还提出了一种新颖的可扩展多示例学习算法，并表明在音频事件检测任务中它与其他多示例学习算法相比具有竞争力。