[论文翻译]FACE: 快速、准确且上下文感知的音频标注与分类

本文提出了一种用于特征选择和分类流程的情境感知框架，旨在实现快速准确的音频事件标注与分类。该情境感知设计首先探索特征提取技术，通过寻找合适的组合来选取一组能在最小计算成本下实现显著分类准确率的特征。特征选择过程中还研究了音频节奏(Tempo)表征——这一在环境音频分类研究领域被以往工作忽略的优势特征提取方法。所提出的标注方法综合考虑离群值、内点及难预测数据样本，实现了情境感知的主动学习(Active Learning)，在仅15%数据具备初始标注时仍能达到90%的平均准确率。我们提出的声音分类算法在Urban Sound 8K数据集上取得了98.05%的平均预测准确率。包含源代码和实现结果的Notebook已发布于https://github.com/gitmehrdad/FACE。