19、环境声音分类与检测中的数据集与标注

环境声音分类与检测中的数据集与标注

1. 声音事件标注类型

在现实环境中，多个声音相互重叠是非常常见的现象。当对这些重叠的声音进行标注时，就会产生复音标注，这实际上是环境音频标注中最复杂的一种形式。

2. 获取参考标注的方法

为了进行有监督学习和评估，音频必须有相应的参考标注。这些标注可以通过手动或各种半自动方式生成，标注的质量和详细程度往往取决于所采用的方法。

2.1 手动标注

手动标注由人类标注员将音频内容映射为文本标签。手动标注声音场景音频材料相对较快，但标注声音事件的过程则慢得多，使用弱标签进行标注比使用强标签要快得多。然而，手动标注容易受到主观性的影响，这源于标签用词的选择和时间边界的划定。

2.2 自动标注

自动标注方法可以利用音频的特定内容，例如使用端点检测来查找感兴趣的片段，或使用预训练的分类器为音频片段分配标签。但自动方法容易出现算法错误，因此需要人工验证标注结果，以确保其质量足够高。例如，端点检测已被用于标注 ITC - irst 数据，并随后验证声音事件的边界。对于合成的音频混合，标注可以在生成音频混合的同时自动生成。

2.3 众包标注

众包标注适用于某些类型的数据，可以利用现有的工具，如 Amazon Mechanical Turk。这种方法可以在短时间内获得大量的判断，并通过标注员间的一致性度量来生成高质量的标注。众包标注也适用于验证来自 Freesound 或 YouTube 等来源的弱标签数据，但在分割（无论是否带有标签）方面，众包标注较难实现。

3. 设计手动标注任务

设