論文の概要: Improving Polyphonic Sound Event Detection on Multichannel Recordings
with the S{\o}rensen-Dice Coefficient Loss and Transfer Learning
- arxiv url: http://arxiv.org/abs/2107.10471v1
- Date: Thu, 22 Jul 2021 06:14:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-23 21:14:20.544038
- Title: Improving Polyphonic Sound Event Detection on Multichannel Recordings
with the S{\o}rensen-Dice Coefficient Loss and Transfer Learning
- Title（参考訳）: s{\o>rensen-dice係数損失と転送学習による多チャンネル録音におけるポリフォニック音響イベント検出の改善
- Authors: Karn N. Watcharasupat and Thi Ngoc Tho Nguyen and Ngoc Khanh Nguyen
and Zhen Jian Lee and Douglas L. Jones and Woon Seng Gan
- Abstract要約: ディース損失を訓練したポリフォニック音響イベント検出システムは、クロスエントロピー損失を訓練した者よりも一貫して優れていた。
我々は、転送学習と異なるデータ拡張手法を適切に組み合わせることで、さらなるパフォーマンス向上を実現した。
- 参考スコア（独自算出の注目度）: 15.088901748728391
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The S{\o}rensen--Dice Coefficient has recently seen rising popularity as a
loss function (also known as Dice loss) due to its robustness in tasks where
the number of negative samples significantly exceeds that of positive samples,
such as semantic segmentation, natural language processing, and sound event
detection. Conventional training of polyphonic sound event detection systems
with binary cross-entropy loss often results in suboptimal detection
performance as the training is often overwhelmed by updates from negative
samples. In this paper, we investigated the effect of the Dice loss, intra- and
inter-modal transfer learning, data augmentation, and recording formats, on the
performance of polyphonic sound event detection systems with multichannel
inputs. Our analysis showed that polyphonic sound event detection systems
trained with Dice loss consistently outperformed those trained with
cross-entropy loss across different training settings and recording formats in
terms of F1 score and error rate. We achieved further performance gains via the
use of transfer learning and an appropriate combination of different data
augmentation techniques.
- Abstract（参考訳）: s{\o>rensen-dice係数は,最近,意味セグメンテーションや自然言語処理,音声イベント検出などの正のサンプル数を大幅に上回るタスクにおいて,その頑健さから,損失関数(サイスロスとも呼ばれる)として人気が高まっている。
二重エントロピー損失を有するポリフォニック音事象検出システムの従来の訓練は、負のサンプルからの更新に圧倒されることが多いため、しばしば準最適検出性能をもたらす。
本稿では,多チャンネル入力を用いた多音質音声イベント検出システムの性能に及ぼすDice損失,モーダル内およびモーダル間移動学習,データ拡張,記録形式の影響について検討した。
分析の結果,Diceの損失を訓練したポリフォニック音声イベント検出システムは,F1スコアと誤り率の点で,異なるトレーニング設定と記録フォーマットで訓練した話者よりも一貫して優れていた。
我々は、転送学習と異なるデータ拡張手法を適切に組み合わせることで、さらなるパフォーマンス向上を実現した。
関連論文リスト
- What to Remember: Self-Adaptive Continual Learning for Audio Deepfake
Detection [53.063161380423715]
既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。
本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
論文 参考訳（メタデータ） (2023-12-15T09:52:17Z) - Pretraining Representations for Bioacoustic Few-shot Detection using
Supervised Contrastive Learning [10.395255631261458]
バイオ音響応用において、ほとんどのタスクにはラベル付きトレーニングデータはほとんど含まれない。
教師付きコントラスト学習フレームワークを用いてデータ拡張を活用することにより、スクラッチからリッチな特徴抽出器を学習することができることを示す。
我々は検証セットで63.46%、テストセットで42.7%のFスコアを取得し、DCASEチャレンジで2位となった。
論文 参考訳（メタデータ） (2023-09-02T09:38:55Z) - DiffSED: Sound Event Detection with Denoising Diffusion [70.18051526555512]
生成学習の観点からSED問題を再構築する。
具体的には,騒音拡散過程において,雑音のある提案から音の時間境界を生成することを目的としている。
トレーニング中は,ノイズの多い遅延クエリを基本バージョンに変換することで,ノイズ発生過程の逆転を学習する。
論文 参考訳（メタデータ） (2023-08-14T17:29:41Z) - Do You Remember? Overcoming Catastrophic Forgetting for Fake Audio
Detection [54.20974251478516]
本稿では,破滅的な忘れを克服するために,偽音声検出のための連続学習アルゴリズムを提案する。
検出ネットワークを微調整する場合,本手法では,真の発話と偽発話の比率に応じて,重み付けの方向を適応的に計算する。
本手法は,音声の感情認識などの関連分野に容易に一般化できる。
論文 参考訳（メタデータ） (2023-08-07T05:05:49Z) - Anomalous Sound Detection using Audio Representation with Machine ID
based Contrastive Learning Pretraining [52.191658157204856]
コントラスト学習を用いて、各音声サンプルではなく、各機械IDの音声表現を洗練する。
提案手法では、コントラスト学習を用いて音声表現モデルを事前学習する。
実験の結果,本手法はコントラスト学習や自己教師型分類を用いて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-04-07T11:08:31Z) - Improving the Robustness of Summarization Models by Detecting and
Removing Input Noise [50.27105057899601]
本研究では,様々な種類の入力ノイズから,様々なデータセットやモデルサイズに対する性能損失を定量化する大規模な実験的検討を行った。
本稿では,モデル推論中の入力中のそのようなノイズを検出し,除去するための軽量な手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T00:33:11Z) - Audiovisual transfer learning for audio tagging and sound event
detection [21.574781022415372]
本研究では,2つの音声認識問題,すなわち音声タグ付けと音声イベント検出における伝達学習の利点について検討する。
我々は、スペクトル音響入力のみを利用したベースラインシステムを適用し、事前訓練された聴覚と視覚的特徴を利用する。
オーディオヴィジュアルなマルチラベルデータセット上で,これらのモデルを用いて実験を行う。
論文 参考訳（メタデータ） (2021-06-09T21:55:05Z) - Cross-Referencing Self-Training Network for Sound Event Detection in
Audio Mixtures [23.568610919253352]
本稿では,教師なしデータから擬似ラベルを生成するための半教師付き手法を提案する。
DESEDデータベースの「検証」と「公開評価」の双方に関するこれらの手法の結果は、半教師あり学習における最先端技術システムと比較して著しく改善された。
論文 参考訳（メタデータ） (2021-05-27T18:46:59Z) - Continual Learning for Fake Audio Detection [62.54860236190694]
本論文では,連続学習に基づく手法である忘れずに偽物を検出することで,モデルに新たなスプーフィング攻撃をインクリメンタルに学習させる手法を提案する。
ASVspoof 2019データセットで実験が行われる。
論文 参考訳（メタデータ） (2021-04-15T07:57:05Z) - Unsupervised Contrastive Learning of Sound Event Representations [30.914808451327403]
自己教師付き表現学習は、手動でラベル付けされたデータはほとんどないがラベル付けされていないデータで、認識タスクの制限を軽減することができる。
本研究では,音声イベント表現を学習する手段として,教師なしのコントラスト学習を検討する。
その結果、教師なしのコントラスト事前学習は、データ不足の影響を軽減し、ノイズラベルに対するロバスト性を高めることが示唆された。
論文 参考訳（メタデータ） (2020-11-15T19:50:14Z) - End-to-end training of a two-stage neural network for defect detection [4.38301148531795]
勾配に基づく2段階ニューラルネットワークは、表面欠陥検出に優れた結果を示している。
本稿では,2段階ネットワークのエンドツーエンドトレーニングと,トレーニングプロセスの拡張について紹介する。
3つの欠陥検出データセットについて、最先端の結果を示す。
論文 参考訳（メタデータ） (2020-07-15T13:42:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。