基於深層類神經網路之音訊事件偵測系統

Deep Neural Networks for Audio Event Detection

現實生活中常有許多聲音事件會一起發生，而聲音會重疊在一起，使得傳統（Gaussian Mixture Model ,GMM）方法很難準確辨認這些重疊的聲音事件。因此，本文提出以深層類神經網絡（Deep Neural Network, DNN）來檢測這些互相干擾的聲音事件，並據此參加Detection and Classification of Acoustic Scenes and Events 2016（DCASE2016）比賽，DCASE 2016評比提供的音訊資料，內有兩種場景，包括居家與戶外，共有18種含有背景的聲音事件。實驗結果顯示使用DNN與傳統GMM比較，其場景偵測錯誤率可從0.91降至0.86、F1分數並從23.4%提升到26.8%。此外針對室內環境的音訊事件偵測，錯誤率可從1.06降至0.86，F1分數並從8.9%提升到27.7%。最後在戶外環境的音訊偵測情境中，錯誤率可從1.03降至0.96，F1分數從17.6%降到12.8%。因為DACSE2016比賽主要看錯誤率，所以整體而言DNN方法還是明顯比GMM方法好。