You Only Hear Once: A YOLO-like Algorithm for Audio Segmentation and Sound Event Detection

计算机科学 分割 语音识别 事件(粒子物理) 人工智能 推论 音频信号处理 模式识别(心理学) 搜索引擎索引 平滑的 音频信号 计算机视觉 语音编码 量子力学 物理
作者
Satvik Venkatesh,David Moffat,Eduardo Reck Miranda
出处
期刊:Applied sciences [MDPI AG]
卷期号:12 (7): 3293-3293 被引量:31
标识
DOI:10.3390/app12073293
摘要

Audio segmentation and sound event detection are crucial topics in machine listening that aim to detect acoustic classes and their respective boundaries. It is useful for audio-content analysis, speech recognition, audio-indexing, and music information retrieval. In recent years, most research articles adopt segmentation-by-classification. This technique divides audio into small frames and individually performs classification on these frames. In this paper, we present a novel approach called You Only Hear Once (YOHO), which is inspired by the YOLO algorithm popularly adopted in Computer Vision. We convert the detection of acoustic boundaries into a regression problem instead of frame-based classification. This is done by having separate output neurons to detect the presence of an audio class and predict its start and end points. The relative improvement for F-measure of YOHO, compared to the state-of-the-art Convolutional Recurrent Neural Network, ranged from 1% to 6% across multiple datasets for audio segmentation and sound event detection. As the output of YOHO is more end-to-end and has fewer neurons to predict, the speed of inference is at least 6 times faster than segmentation-by-classification. In addition, as this approach predicts acoustic boundaries directly, the post-processing and smoothing is about 7 times faster.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
hindbind完成签到,获得积分10
刚刚
Hello应助时尚初南采纳,获得10
刚刚
陈小小完成签到,获得积分10
刚刚
wangzhihui完成签到,获得积分20
刚刚
xiao发布了新的文献求助10
1秒前
JamesPei应助学术蝗虫采纳,获得10
2秒前
2秒前
科研通AI2S应助xinxin采纳,获得10
3秒前
wangzhihui发布了新的文献求助10
4秒前
zho发布了新的文献求助30
4秒前
5秒前
Husir完成签到,获得积分10
5秒前
kai完成签到,获得积分10
6秒前
6秒前
7秒前
8秒前
leek完成签到 ,获得积分10
8秒前
安安发布了新的文献求助10
8秒前
云风发布了新的文献求助10
10秒前
杂面饼子完成签到,获得积分10
11秒前
坚果儿发布了新的文献求助10
12秒前
萧水白应助Ning00000采纳,获得10
13秒前
zq970发布了新的文献求助10
13秒前
14秒前
NexusExplorer应助lxh采纳,获得10
14秒前
牛小煜完成签到,获得积分10
14秒前
Laurie完成签到,获得积分10
15秒前
承序完成签到,获得积分10
15秒前
小二郎应助烟雨采纳,获得10
16秒前
liuze关注了科研通微信公众号
16秒前
焦焦发布了新的文献求助10
17秒前
monere应助个性的万言采纳,获得10
19秒前
19秒前
科研通AI2S应助受伤的熊猫采纳,获得10
20秒前
辛勤金连发布了新的文献求助10
20秒前
21秒前
无聊的老姆完成签到 ,获得积分10
24秒前
共享精神应助阿修罗采纳,获得10
24秒前
cc发布了新的文献求助10
24秒前
高分求助中
Rock-Forming Minerals, Volume 3C, Sheet Silicates: Clay Minerals 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
The Healthy Socialist Life in Maoist China 600
The Vladimirov Diaries [by Peter Vladimirov] 600
Data Structures and Algorithms in Java 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3268165
求助须知:如何正确求助?哪些是违规求助? 2907679
关于积分的说明 8342753
捐赠科研通 2578067
什么是DOI,文献DOI怎么找? 1401654
科研通“疑难数据库(出版商)”最低求助积分说明 655107
邀请新用户注册赠送积分活动 634186