Pseudo Strong Labels from Frame-Level Predictions for Weakly Supervised Sound Event Detection

作者
Yuliang Zhang,Defeng,Songling Huang,Roberto B. Togneri
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:3
标识
DOI:10.48550/arxiv.2501.03740
摘要

Weakly Supervised Sound Event Detection (WSSED), which relies on audio tags without precise onset and offset times, has become prevalent due to the scarcity of strongly labeled data that includes exact temporal boundaries for events. This study introduces Frame-level Pseudo Strong Labeling (FPSL) to overcome the lack of temporal information in WSSED by generating pseudo strong labels from frame-level predictions. This enhances temporal localization during training and addresses the limitations of clip-wise weak supervision. We validate our approach across three benchmark datasets (DCASE2017 Task 4, DCASE2018 Task 4, and UrbanSED) and demonstrate significant improvements in key metrics such as the Polyphonic Sound Detection Scores (PSDS), event-based F1 scores, and intersection-based F1 scores. For example, Convolutional Recurrent Neural Networks (CRNNs) trained with FPSL outperform baseline models by 4.9% in PSDS1 on DCASE2017, 7.6% on DCASE2018, and 1.8% on UrbanSED, confirming the effectiveness of our method in enhancing model performance.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
乐此不疲的猪完成签到,获得积分10
刚刚
xhuryts完成签到,获得积分10
刚刚
郭刚完成签到,获得积分10
刚刚
ljr发布了新的文献求助10
刚刚
16601107082发布了新的文献求助10
刚刚
周艳鸿完成签到,获得积分10
刚刚
CodeCraft的应助被珊珊采纳,获得10
1秒前
自信的汉堡完成签到,获得积分10
1秒前
林烯完成签到,获得积分10
1秒前
luyue9406的应助被闪闪的灵采纳,获得10
1秒前
悦耳问梅完成签到,获得积分10
2秒前
bee完成签到 ,获得积分10
2秒前
xuxu125678完成签到 ,获得积分10
2秒前
3秒前
3秒前
3秒前
luckyhan完成签到 ,获得积分10
3秒前
着急毕业的干饭人完成签到,获得积分10
3秒前
cjfc完成签到 ,获得积分10
3秒前
4秒前
王哈哈完成签到,获得积分10
4秒前
高兴断秋完成签到,获得积分10
4秒前
Hey完成签到 ,获得积分10
5秒前
可爱的函函的应助被iveu7va采纳,获得10
5秒前
jou完成签到,获得积分10
5秒前
Akim的应助被imrking采纳,获得10
5秒前
刘换甲完成签到,获得积分10
5秒前
长脚蟹完成签到,获得积分10
6秒前
阴雨完成签到 ,获得积分10
6秒前
YYQX完成签到,获得积分10
6秒前
香蕉寄云发布了新的文献求助10
7秒前
冷静易真完成签到,获得积分10
7秒前
7秒前
1900完成签到 ,获得积分10
7秒前
DQ完成签到,获得积分10
7秒前
嘻嘻哈哈的应助被是小周采纳,获得10
7秒前
这一天完成签到,获得积分10
8秒前
leeheeseung完成签到,获得积分10
8秒前
Rony发布了新的文献求助10
9秒前
稳重的山柏完成签到,获得积分10
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159288
求助须知:如何正确求助?哪些是违规求助? 9554702
关于积分的说明 21720900
捐赠科研通 7748911
什么是DOI,文献DOI怎么找? 3427184
关于科研通互助平台的介绍 2552111
邀请新用户注册赠送积分活动 2471479