DCASE 2013 signifie Détection et Classification des Scènes et Événements Acoustiques, qui est un ensemble de données pour la détection d'événements sonores. L'ensemble de données se compose d'enregistrements audio uniquement présentant un seul événement sonore qui se démarque dans une scène acoustique.

Dans l'ensemble de données pour la tâche de classification de scène, chaque scène sonore se compose d'un enregistrement de 30 secondes. L'ensemble de données sera composé de 2 parties, chacune composée de 6 enregistrements audio par scène (classe). La liste des scènes comprend 10 catégories : rue animée, rue calme, parc, marché en plein air, bus, métro, restaurant, magasin/supermarché, bureau, station de métro.