Détection d’événements sonores fortement augmentée utilisant des prédictions faibles

Les performances des systèmes de détection d’événements sonores (SED) sont fortement limitées par la difficulté à générer de grands jeux de données étiquetés de manière forte. Dans ce travail, nous avons adopté deux approches principales pour surmonter le manque de données étiquetées de manière forte. Premièrement, nous avons appliqué une augmentation de données intensive sur les caractéristiques d’entrée. Les méthodes d’augmentation utilisées incluent non seulement des approches classiques du domaine de la parole et du son, mais aussi une méthode que nous proposons, nommée FilterAugment. Deuxièmement, nous proposons deux méthodes visant à exploiter les prédictions faibles afin d’améliorer les performances de la SED faiblement supervisée. En résultant, nous avons obtenu un score PSDS1 de 0,4336 et un score PSDS2 de 0,8161, les meilleurs résultats sur le jeu de validation réel DESED. Ce travail a été soumis au défi DCASE 2021, Task 4, et se classe au troisième rang. Code disponible : https://github.com/frednam93/FilterAugSED.