A Multi-Branch Hierarchy-Aware Framework for Heterogeneous Audio Classification

A Multi-Branch Hierarchy-Aware Framework for Heterogeneous Audio Classification
https://ift.tt/mFGO1Qn

Цей технічний звіт описує нашу систему для Завдання 1 Челенджу DCASE 2026, який ставить за мету класифікувати гетерогенні аудіозаписи згідно з Брод-Сенд Таксономією (BST). Завдання вимагає як точного другого рівня передбачення, так і узгодженості з верхнім рівнем таксономії. Наша система побудована на аудіо-текстових уявленнях, заснованих на CLAP, і вдосконалена за трьома напрямками: розширенням навчального набору за рахунок відфільтрованого підмножини BSD35k, посиленням акустичного моделювання за допомогою гілок, специфічних для ознак, та уточненням передбачень за допомогою класифікаторів з урахуванням ієрархії та пост-обробкою на основі KNN. Серед розглянутих акустичних ознак найбільш глючоподібна одинична модель досягає найсильнішої продуктивності за розділом log-STFT. З пост-обробкою на основі KNN наша найкраща одинична система досягає ієрархічного F1-міри (Hier. F1) 80.84% на наборі BSD10k-v1.2 за тією ж процедурою оцінювання, що й базова модель. Далі ми формуємо ансамблеві системи шляхом поєднання моделей з додатковими ознаками та головами класифікації, досягаючи відповідно Hier. F1 81.25% та 81.18%.

HI-FI News

через Штучний інтелект https://ift.tt/3izZtbc

3 липня 2026 року о 05:49 ранку

July 3, 2026 at 05:49AM