.png){kind=icon}
返回
An improved convolutional prototype network for open-set sound classification with limited data
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06724-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然深度学习已显著推动环境声音分类的发展，但现有研究主要集中于封闭集场景，对开放集识别的探索相对有限。标记声音样本的稀缺进一步增加了学习判别性表示和可靠类别原型模型的难度。为应对这些挑战，本文提出了一种改进的卷积原型网络，用于在有限数据条件下进行开放集环境声音分类。所提出的方法包含三个互补组件：（1）一种时频注意力机制，强调感知上显著的光谱图成分以增强判别特征学习；（2）一种基于马氏距离的互补原型损失函数，利用误分类样本的互补信息在有限数据条件下优化原型表示；（3）一种可学习的马氏距离度量，用于适应性地建模特征嵌入与类别原型之间的相似性。在环境声音数据集上的实验表明，所提出的方法能够持续提升已知类别的分类准确率以及未知类别的拒绝性能，尤其在低数据开放集场景下表现更为突出。
Keyword:
Open-set recognition
Deep learning
Prototype network
Few data
Environmental sound classification
期刊
IF:
2.9
论文数:
256
被引数:
1.1K
机构
暂无机构信息
引用论文
分享收藏Environmental sound recognition on embedded devices using deep learning: a review基于深度学习的嵌入式设备环境声音识别：综述
OAAI
OAAI分享收藏A new lateral geniculate nucleus pattern-based environmental sound classification using a new large sound dataset使用新的大型声音数据集进行新的基于外侧膝状核模式的环境声音分类.png)
APPLIED ACOUSTICS
APPLIED ACOUSTICSIF3.6
PREAI
分享收藏Attention based convolutional recurrent neural network for environmental sound classification基于注意力的卷积循环神经网络环境声音分类NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Comprehensive evaluation of data preprocessing and visualization techniques for enhanced classification and sampling数据预处理和可视化技术的综合评估：用于增强分类和采样OAAI
OAAI分享收藏Joint Feature Generation and Open-set Prototype Learning for generalized zero-shot open-set classification广义零样本开集分类的联合特征生成和开集原型学习PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容