.png){kind=icon}
返回
Multi-task learning for audio scene source counting and analysis
.png){kind=icon}
OA
AI
DOI：10.1016/j.mlwa.2025.100785.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
音频源计数是音频场景分析的一个基本任务，与其他音频任务（如说话人分离和声音事件检测）相关。它也是一个相对未被探索的音频任务，具有复杂的挑战性。特别是，当源计数范围较大时，源计数性能较差，限制了其潜在应用。本文提出了一种通过多任务学习改进音频源计数的新方法。我们首次对音频源计数的层次性进行了实证研究，引入了粗略源计数任务和一个层次化多任务学习框架，以通过多个案例研究场景更好地理解和调查音频源计数任务。我们使用ResNet架构进行多任务学习，并在SARdBScene数据集上展示了相较于先前最佳结果的最高6%的音频源计数准确率提升。我们还进行了音频源计数和声景分类的多任务学习，作为鲁棒音频场景分析的一个进步。这些实验结果表明，与最先进的基线相比，源计数准确率提高了最高6%，特别是在高源计数场景中。我们的发现表明，多任务学习不仅提高了准确率，还通过用一个鲁棒网络替代多个任务特定模型来提高效率。
Keyword:
Acoustic scene classification
Audio source counting
Audio scene analysis
Multi-task learning
ResNet
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
4.9
论文数:
140
被引数:
0
机构
引用论文
Real-time hierarchical classification of sound signals for hearing improvement devices用于听力改善设备的声音信号的实时分层分类.png)
APPLIED ACOUSTICS
APPLIED ACOUSTICSIF3.6
PREAI
分享收藏An accurate automated speaker counting architecture based on James Webb Pattern基于James Webb Pattern的精确自动化语音计数架构
PREAI
分享收藏
查看更多内容