This paper presents a new convolutional neural network architecture for audio pattern recognition tasks. We introduce a new hyper-parameter for reducing the computational complexity of models. Using optimal values of this parameter, we also can save or even increase the performance of models. This observation can be confirmed by experiments on three datasets: the AudioSet dataset, the ESC-50 dataset, and RAVDESS. Our best model achieves an mAP of 0.450 on the AudioSet dataset, which is less than the performance of the state-of-the-art model, but our model is 7.1x faster and 9.7x smaller in parameter size. On the ESC-50 dataset and RAVDESS, we obtain state-of-the-art results with accuracies of 0.961 and 0.748, respectively. Our best model for the ESC-50 dataset is 1.7x faster and 2.3x smaller than the previous best model. For RAVDESS, our best model is 3.3x smaller than the state-of-the-art model. We call our models "ERANNs" (Efficient Residual Audio Neural Networks).


翻译:本文为音频模式识别任务提供了一个新的进化神经网络架构。 我们为降低模型的计算复杂性引入了新的超参数。 我们使用该参数的最佳值, 我们还可以保存甚至提高模型的性能。 这个观测可以通过三个数据集的实验得到证实: 音频Set数据集、 ESC-50 数据集和 REVDESS。 我们的最佳模型在音频Set 数据集上实现了0. 450 的 mAP, 低于最新模型的性能, 但是我们的模型在参数大小方面比7.1x更快, 9.7x要小。 在 ESC- 50 数据集和 RAVDESS 上, 我们获得最新技术结果, 其精度分别为 0. 961 和 0. 748 。 我们的 ESC- 50 数据集的最佳模型比以往的最佳模型快1.7x 和 2.3x 小。 在RAVDESS 中, 我们的最佳模型比最新模型小3.3x 。 我们称模型“ ERANNSS”( 磁体内网络)。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
60+阅读 · 2020年3月19日
专知会员服务
109+阅读 · 2020年3月12日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
11+阅读 · 2017年12月5日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Sparsifying Neural Network Connections for Face Recognition
统计学习与视觉计算组
7+阅读 · 2017年6月10日
Arxiv
7+阅读 · 2021年5月13日
SlowFast Networks for Video Recognition
Arxiv
19+阅读 · 2018年12月10日
VIP会员
相关资讯
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
11+阅读 · 2017年12月5日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Sparsifying Neural Network Connections for Face Recognition
统计学习与视觉计算组
7+阅读 · 2017年6月10日
Top
微信扫码咨询专知VIP会员