論文の概要: A Hierarchical Method for Environmental Sounds Recognition in Complex Acoustic Scenes
- arxiv url: http://arxiv.org/abs/2610.34931v1
- Date: Mon, 26 Oct 2026 06:58:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.778172
- Title: A Hierarchical Method for Environmental Sounds Recognition in Complex Acoustic Scenes
- Title（参考訳）: 複雑な音響シーンにおける環境音認識のための階層的手法
- Abstract要約: 本稿では、周波数時間適応ネットワーク(FTANet)と2段階分類機構を組み合わせた軽量階層モデルを提案する。
FTANetは音を25のきめ細かいクラスを含む5つの粗いカテゴリに分類する。
自己構築されたデータセットでは、FTANet は 95.45% の粗い精度を達成し、パラメータは 0.2004M のみである。
- 参考スコア（独自算出の注目度）: 3.4694144505750715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Environmental noise identification is essential for noise control, yet conventional single-stage classifiers suffer from class confusion under imbalanced multiclass conditions. This paper proposes a lightweight hierarchical model integrating a Frequency-Time Adaptive Network (FTANet) with a two-stage classification mechanism. FTANet employs parallel asymmetric one-dimensional convolutions to capture temporal dynamics and frequency-band distributions, while adaptive fusion attention (AFA) enhances discriminative acoustic features. In the first stage, FTANet classifies sounds into five coarse-grained categories covering 25 fine-grained classes. In the second stage, samples are routed to the corresponding category-specific classifiers for fine-grained recognition. On a self-constructed dataset, FTANet achieves 95.45% coarse-grained accuracy with only 0.2004M parameters. On UrbanSound8K, it achieves 79.24% mean accuracy and 80.37% mean F1-score in ten-fold evaluation, outperforming compared convolutional models. Field tests on the Tianjin Online Acoustic Environment Monitoring Platform yield 87.94% coarse-grained accuracy and 97.21% conditional fine-grained accuracy for natural sounds correctly routed to C2. The complete hierarchical model achieves 87.18% overall accuracy and 87.40% weighted-average F1-score, demonstrating its feasibility for urban environmental noise monitoring.
- Abstract（参考訳）: 環境騒音の識別は騒音制御に不可欠であるが、従来の単一段分類器は、不均衡なマルチクラス条件下でのクラス混乱に悩まされている。
本稿では、周波数時間適応ネットワーク(FTANet)と2段階分類機構を組み合わせた軽量階層モデルを提案する。
FTANetは、時間的ダイナミクスと周波数帯域分布を捉えるために平行な非対称な1次元畳み込みを用いており、一方、アダプティブフュージョンアテンション(AFA)は識別音響特性を高める。
最初の段階では、FTANetは音を25のきめ細かいクラスを含む5つの粗いカテゴリに分類する。
第2段階では、サンプルを対応するカテゴリ固有の分類器にルーティングして、きめ細かい認識を行う。
自己構築されたデータセットでは、FTANet は 95.45% の粗い精度を達成し、パラメータは 0.2004M のみである。
UrbanSound8Kでは、平均精度79.24%、F1スコア80.37%を10倍の評価で達成し、畳み込みモデルよりも優れていた。
天津オンライン音響環境モニタリングプラットフォームでのフィールドテストでは、C2に正しくルートされた自然音の粗粒度精度が87.94%、条件粒度精度が97.21%である。
完全な階層モデルは全体の87.18%の精度と87.40%の重み付きF1スコアを達成し、都市環境騒音モニタリングの可能性を示している。
関連論文リスト
- FALLNEST: Dual-Domain Dataset Condensation of Imbalanced IMU Data for Wearable Fall Detection [2.418921313838797]
ウェアラブルな転倒検出は、希少な転倒イベント、ラベル付きIMUデータ不足、大規模で不均衡なコーパス上での深層モデルのトレーニングコストによって妨げられる。
本稿では、FALLNESTと呼ばれる合成時間周波数縮合にマッチする正規化段階および埋め込みによる新しい転倒検出フレームワークを提案する。
論文 参考訳（メタデータ） (2026-10-13T12:25:20Z) - Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。
SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。
301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
論文 参考訳（メタデータ） (2026-09-30T10:51:23Z) - A Multi-Branch Hierarchy-Aware Framework for Heterogeneous Audio Classification [9.384278545503735]
本報告では,異種音声録音の分類を目的としたDCASE 2026 Challengeのタスク1について述べる。
本システムはCLAPに基づく音声テキスト表現に基づいて構築され,3つの戦略により改良されている。
検討した音響特性のうち、log-STFTブランチは最強の単一モデル性能を提供する。
論文 参考訳（メタデータ） (2026-07-02T10:08:24Z) - Investigation into respiratory sound classification for an imbalanced data set using hybrid LSTM-KAN architectures [0.0]
本研究では,階級不均衡の緩和に着目した呼吸音分類について検討した。
本稿では,Long Short-Term Memory (LSTM) ネットワークとKolmogorov-Arnold Network (KAN) を組み合わせたハイブリッドディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2026-01-07T05:37:57Z) - DHAuDS: A Dynamic and Heterogeneous Audio Benchmark for Test-Time Adaptation [0.3728263002609659]
音声・音声分析におけるTTA (Test-Time Adaptation) 研究は、しばしば定型ないし不一致な雑音条件下でモデルを評価する。
本稿では,より現実的で多様な音響シフトの下でTTAアプローチを評価するためのベンチマークであるDHAuDSを提案する。
DHAuDSは、UrbanSound8K-C、SpeechCommandsV2-C、VocalSound-C、ReefSet-Cの4つの標準ベンチマークで構成されている。
論文 参考訳（メタデータ） (2025-11-23T12:19:23Z) - A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。
ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。
NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
論文 参考訳（メタデータ） (2023-04-28T13:06:14Z) - Latent Class-Conditional Noise Model [54.56899309997246]
本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。
次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。
提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
論文 参考訳（メタデータ） (2023-02-19T15:24:37Z) - Low-complexity deep learning frameworks for acoustic scene
classification [64.22762153453175]
音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。
提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。
DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
論文 参考訳（メタデータ） (2022-06-13T11:41:39Z) - Training Classifiers that are Universally Robust to All Label Noise
Levels [91.13870793906968]
ディープニューラルネットワークは、ラベルノイズの存在下で過度に適合する傾向がある。
ポジティヴ・アンラベルラーニングの新たなサブカテゴリを取り入れた蒸留ベースのフレームワークを提案する。
我々の枠組みは概して中～高騒音レベルにおいて優れています。
論文 参考訳（メタデータ） (2021-05-27T13:49:31Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳（メタデータ） (2020-07-09T08:32:06Z)
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。