用于录音设备失配声学场景分类的更宽或更深神经网络架构
声音
2022-03-24 v1 机器学习
音频与语音处理
摘要
本文提出一种鲁棒且低复杂度的声学场景分类（ASC）系统，即识别音频录制场景的任务。我们首先构建ASC基线系统，其中提出一种基于inception-残差的网络架构以应对录音设备失配问题。为进一步提升性能且仍满足低复杂度模型要求，我们在ASC基线系统上应用两种技术：多谱图集成与通道缩减。通过在基准DCASE 2020 Task 1A开发数据集上开展广泛实验，我们取得最佳模型，准确率达69.9%，可训练参数低至2.4M，与最先进ASC系统相当，并具备在边缘设备上实际应用的潜力。
引用
@article{arxiv.2203.12314,
title = {Wider or Deeper Neural Network Architecture for Acoustic Scene Classification with Mismatched Recording Devices},
author = {Lam Pham and Khoa Dinh and Dat Ngo and Hieu Tang and Alexander Schindler},
journal= {arXiv preprint arXiv:2203.12314},
year = {2022}
}
备注
This paper was submitted to INTERSPEECH 2022