文献

J-GLOBAL ID：202102287453926436   整理番号：21A0088441

弱教師付きオーディオ分類のためのマルチレベル注意融合ネットワーク【JST・京大機械翻訳】

A Multi-level Attention Fusion Network for Weakly Supervised Audio Classification

著者 (4件)： Zhao Weibo (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  He Yuan (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Mu Junsheng (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Jing Xiaojun (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 677  ページ： 687-695  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： オーディオ分類は,異なる種類の音を識別することを目的とし,人工知能応用にとって非常に重要である。それにもかかわらず,この分野で直面するいくつかの課題,特に弱ラベル化オーディオ信号の分類がある。オーディオクリップは時間的情報と空間情報を含む。しかしながら,既存の方法は,分類効果が改善する必要があるように,部分情報を利用するだけである。分類精度を改善するために,著者らは,マルチアテンション融合(MAF)モジュールとマルチレベル融合(MLF)モジュールを含む深い監視に基づくマルチレベル注意融合ネットワーク(MLAFNet)を提案した。MAFモジュールは,時間と空間ドメインから情報を完全に利用することができた。深い監視戦略に基づくMLFモジュールは,粗粒と細粒情報を組み合わせることができる。拡張実験をGoogle Audio Setに基づいて行い,いくつかの最先端の手法を超える提案ネットワークの有効性を実証し,それはAUCで0.970,d-プライムで2.652を達成した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  音響 ,  音声信号 ,  人工知能 ,  *オーディオ機器 ,  有効性
準シソーラス用語： 空間情報 ,  *マルチレベル ,  Google ,  分類精度 ,  *オーディオ分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 音響シーン解析 ,  オーディオ分類 ,  マルチアテンション融合 ,  マルチレベル融合

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  写真測量,空中写真  (RC02040D) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 教師 ,  オーディオ分類 ,  マルチレベル ,  注意 ,  融合