TF-SepNet: 저복잡도 음향 장면 분류를 위한 CNN에서의 효율적인 1D 커널 설계

최근 연구는 연속적인 커널로 구성된 컨볼루션 신경망(CNN)을 사용하여 음향 장면 분류(ASC)를 위한 효율적인 시스템 개발에 중점을 두고 있습니다. 본 논문은 ASC 작업에서 더 강력하고 효율적인 설계 접근법으로서 별개의 커널 사용의 이점을 강조합니다. 오디오 신호의 시간-주파수 특성에 영감을 받아, 우리는 시간 및 주파수 차원에서 특징 처리를 분리하는 CNN 아키텍처인 TF-SepNet을 제안합니다. 별도의 경로에서 생성된 특징은 채널별로 병합되어 분류기로 직접 전달됩니다. 기존의 2차원(2D) 커널 대신, TF-SepNet은 계산 비용을 줄이기 위해 1차원(1D) 커널을 통합합니다. TAU Urban Acoustic Scene 2022 Mobile 개발 데이터셋을 사용하여 실험이 수행되었습니다. 결과는 TF-SepNet이 연속적인 커널을 사용하는 유사 최첨단 기술보다 뛰어남을 보여줍니다. 추가 조사에서는 별도의 커널이 더 큰 효과적인 수용 영역(ERF)을 이끌어내어 TF-SepNet이 더 많은 시간-주파수 특징을 포착할 수 있게 함을 밝힙니다.