摘要
声事件检测（SED）对于识别声学信号中特定声音及其时间位置至关重要。特别是在设备端应用中，计算资源有限，这一任务变得尤为具有挑战性。为了解决这一问题，本文提出了一种新颖的框架，称为双知识蒸馏（Dual Knowledge Distillation），用于开发高效的SED系统。我们提出的双知识蒸馏方法首先采用时间平均知识蒸馏（Temporal-Averaging Knowledge Distillation, TAKD），通过学生模型参数的时间平均生成一个均值学生模型。这使得学生模型能够间接从预训练的教师模型中学习，确保了稳定的知识蒸馏过程。随后，我们引入了嵌入增强特征蒸馏（Embedding-Enhanced Feature Distillation, EEFD），即在学生模型中加入一个嵌入蒸馏层，以加强上下文学习能力。在DCASE 2023 Task 4A公开评估数据集上，我们提出的采用双知识蒸馏的SED系统仅使用基线模型参数量的三分之一，却在PSDS1和PSDS2指标上表现出优越性能。这突显了所提出的双知识蒸馏方法对紧凑型SED系统的重要性，使其特别适合边缘设备的应用。