環境音認識用のスクイーズおよび励磁と変圧器ベースのクロスタスクシステム【JST・京大機械翻訳】

Bai Jisheng; Chen Jianfeng; Wang Mou; Ayub Muhammad Saad

プレプリント

J-GLOBAL ID：202202218906897334 整理番号：22P0305000

環境音認識用のスクイーズおよび励磁と変圧器ベースのクロスタスクシステム【JST・京大機械翻訳】

A Squeeze-and-Excitation and Transformer based Cross-task System for Environmental Sound Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2023年11月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

環境音認識(ESR)は,オーディオパターン認識における新たな研究題目である。多くのタスクは,現実の応用におけるESRのための計算モデルに頼るために示した。しかし,現在のモデルは,通常,個々のタスクのために設計され,他のタスクにロバストで適用できない。交差タスクモデルは,様々なタスクにわたって統一された知識モデリングを促進するが,完全には調査されていない。本論文では,ESRの3つの異なるタスクに対する交差タスクモデルを提案した。1)音響シーン分類;2)都市音標識;3)異常音検出。音響特徴のチャネルワイズ関係と時間的依存性を学習するために,注意機構ベースのSqueeze-and-Excitationと変換符号器モジュールを使用するSE-Transと呼ばれるアーキテクチャを提示した。FMixを,ESRの性能を改善するデータ増強法として使用した。3つのタスクに対する評価は,音響シーンとイベントの課題の検出と分類の最近のデータベースで行った。実験結果は,提案した交差タスクモデルがすべてのタスクに関して最先端の性能を達成することを示した。さらなる解析は,提案した交差タスクモデルが,異なるESRタスクにわたって音響知識を効果的に利用できることを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る