.png){kind=icon}
返回
Learning audio classification models on generated data using a sequential encoder enhanced self-supervised audio spectrogram transformer
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-026-02755-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
音频分类任务通常面临高质量训练样本的缺乏，尤其是在特定场景下罕见声音类别的样本。因此，为确保学习音频分类模型时有充足的数据可用，人们可能会采用有监督且多样化的音频生成模型来获取训练音频样本。然而，当前用于音频处理的基于Transformer的模型通常无法优化频谱图中补丁之间的序列关系。针对这一问题，我们提出了一种序列编码增强的自监督音频频谱Transformer（SE-SSAST），用于在生成数据上学习音频分类模型。该方法包含一个频谱Transformer模块和一个序列编码模块，专注于学习补丁表示并进行补丁间的编码。随后，在真实世界音频分类数据集上评估模型的结果表明，通过在生成音频数据上训练的模型，所提出的方法是有效的。
Keyword:
Audio classification
Generated data
Sequential encoder
Spectrogram transformer
Self-supervision
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
Data augmentation on convolutional neural networks to classify mechanical noise.png)
APPLIED ACOUSTICS
APPLIED ACOUSTICSIF3.6
PREAI
分享收藏Investigating the Effective Dynamic Information of Spectral Shapes for Audio Classification研究光谱形状对音频分类的有效动态信息
PREAI
分享收藏Generative emotional AI for speech emotion recognition: The case for synthetic emotional speech augmentation用于语音情感识别的生成情感AI: 合成情感语音增强的案例APPLIED ACOUSTICS
OAAI
APPLIED ACOUSTICSIF3.6
OAAI分享收藏Detecting Partially Spoofed Utterances Without Segment Annotation Through Fake Segment Mining-Based Graph Neural Networks通过基于图神经网络的虚假片段挖掘，无需片段标注检测部分伪造语音
PREAI
分享收藏
查看更多内容