ICASSP 2024 论文预讲会由CCF语音对话与听觉专委会、语音之家主办，旨在为学者们提供更多的交流机会，更方便、快捷地了解领域前沿。活动将邀请 ICASSP 2024 录用论文的作者进行报告交流。

ICASSP 2024 论文预讲会第七期邀请到西交利物浦大学做本次会议的专场分享，欢迎大家观看。


第七期

西交利物浦大学【专场】

时间：3月13日（周三）19:00 ~ 20:00

形式：线上

议程：每位嘉宾分享30分钟（含5分钟QA）



嘉宾&主题


嘉宾简介：蔡毅强，西交利物浦大学智能工程学院人工智能系一年级博士生，主要研究方向为声学场景识别、算法压缩和领域泛化。曾获得DCASE 2023数据挑战赛第二名，相关工作发表于ICASSP音频领域会议。

分享主题：TF-SepNet: An Efficient 1D Kernel Design in CNNs for Low-Complexity Acoustic Scene Classification

摘要：近期的研究聚焦于利用卷积神经网络（CNNs）开发高效的声景分类系统（ASC），这些系统通常由连续的卷积核组成。本文突出了在ASC任务中使用分离的卷积核作为更强大和高效的设计方法的好处。受音频信号的时频特性启发，我们提出了基于CNN的时频分离网络（TF-SepNet）架构，该架构将特征沿着时间和频率维度分离成两个部分进行处理，然后通过通道合并后直接传送到分类器。TF-SepNet不使用传统的二维（2D）卷积核，而是采用一维（1D）卷积核来降低计算成本。实验使用了TAU Urban Acoustic Scene 2022 Mobile开发数据集进行验证。结果显示，TF-SepNet优于使用连续核的类似最新技术。进一步的研究表明，分离的卷积核能够带来更大的有效感受野（ERF），使模型能够捕获到更多的时频特征。



嘉宾简介：谭奕舟，曾任西交利物浦大学智能工程学院人工智能系研究助理，主要研究方向为声学场景识别和声学事件检测。相关工作发表于TASLP和Interspeech上。
分享主题：Acoustic Scene Classification across Cities and Devices via Feature Disentanglement
摘要：声学场景分类(ASC)是一项根据环境声信号对场景进行分类的任务。从不同城市和设备收集的音频通常在特征分布上表现出偏差，这可能会对ASC性能产生负面影响。已有的工作往往至考虑跨设备对ASC系统的影响，而忽视了跨城市问题对系统的潜在危害。本文将音频采集的城市和设备作为两种类型的数据域，试图对城市和设备的音频特征进行解耦，以消除不同数据的特征偏差。并提出了一种基于双对齐的通用ASC系统框架。该框架既对齐了跨领域的决策边界，也对齐每个领域整体特征分布的边界。该系统框架还进一步提出了四种分类器，旨在寻找如何实现多维域（城市，设备）下的最佳特征解耦方案，包括条件分类器(CC)、多任务学习分类器(MTLC)、投影多任务分类器(PMTC)和联合多任务分类器(JMTC)。同时我们进一步设计了三个实验来评估双对齐框架:1) 跨城市;2)跨设备;3)既跨城市又跨设备。结果表明，在所有情况下，我们的方案相比已有模型，分别提高了1.8%，19.8%和9.0 %的正确率。比较表明，更好的特征解耦可以有效提高ASC系统在涉及多设备多城市等复杂场景下的鲁棒性。


参与方式

直播将通过语音之家微信视频号进行直播

手机端、PC端可同步观看
👇👇👇


讨论群

扫码添加语音小管家，进入语音之家讨论群


预讲论文征集
ICASSP 2024 论文预讲会面向全球线上招募，结合定向邀请与征集报名的方式，来选择预讲会的嘉宾。


为了共创高质量的论文预讲会，我们诚挚邀请所有 ICASSP 2024 作者参与到此次预讲会活动中来，也欢迎大家推荐适合此次预讲会活动的学者。


预讲论文报名方式

联系人邮箱

bd@speechhome.com


联系人微信