PulseAugur
中
实时 08:22:48
English(EN) Semi-Supervised Sound Event Detection with Conditional Mixup and Embedding-Level Contrastive Loss

新的半监督框架推动声音事件检测发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的声音事件检测（SED）半监督学习框架，通过引入嵌入级对比损失，改进了现有方法。该方法在微调过程中能更好地利用未标记数据。提出的条件Mixup技术解决了Mixup在组合和扰动目标中的不同作用，在DESED验证集上取得了最先进的成果，PSDS1得分为0.645，PSDS2得分为0.822。 AI

影响 这项研究推动了音频分析的半监督学习技术，有望提高现实世界应用中声音事件检测系统的准确性和效率。

排序理由 详细介绍新方法和基准结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的半监督框架推动声音事件检测发展

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Nian Shao, Xian Li, Xiaofei Li ·

    Semi-Supervised Sound Event Detection with Conditional Mixup and Embedding-Level Contrastive Loss

    arXiv:2606.29901v1 Announce Type: cross Abstract: Sound event detection (SED) is a core module for acoustic environmental analysis, yet its performance is often limited by scarce labeled data. Recent systems leverage large pretrained audio foundation models, but effective fine-tu…

相关话题