DCASE2013挑战赛介绍

简介

• 2013 年起，为了评测现有的环境声音检测方法，电子与电气工程师学会音频和声学信号处理协会(Institute of Electrical and Electronics Engineers Audio and Acoustic Signal Process, IEEE AASP )开始举办声学场景和事件的检测与分类挑战赛(Detection and Classification of Acoustic Scenes and Events, DCASE)

• 关于挑战赛信息的介绍

挑战赛结果

• DCASE 2013挑战赛的结果在下面的期刊文章中得到了详细的描述：

  D. Stowell, D. Giannoulis, E. Benetos, M. Lagrange and M. D. Plumbley, Detection and Classification of Audio Scenes and Events. IEEE Transactions on Multimedia 17(10), 1733-1746, 2015.

• 比赛的总体结果

  • 场景识别结果

  • 事件检测 - 办公室现场结果

  • 事件检测 - 办公室综合结果

数据库及相关代码

公共可用的数据

• 下面是挑战赛的所有任务的简单描述，以及数据的规格和一些样本文件。请记住，由于任务目前正在开发中，示例只提供了任务如何听起来的第一印象，它们可能不一定与最后的任务类似。

• 公开可用的数据集，其中包括场景识别、事件检测任务1和任务2的相关数据。

  • 场景分类（SC）挑战将解决识别和分类声场和声景的问题。

    • 场景分类任务的数据集中，每种声场由30秒录音组成。数据集将由2个部分组成，每个部分由每个场景（类）的6个音频记录组成。将作为开发组发送给参与者，第二个将被保密，用于火车/测试场景分类任务。场景列表是：繁忙的街道，安静的街道，公园，露天市场，公共汽车，地铁列车，餐厅，商店/超市，办公室，地铁站10个类别。

    • 用于该任务的记录装置是一组专门制作的Soundman双耳麦克风，以便它们模仿用户可佩戴的一对入耳式耳机。录制的建议规范是：PCM，44100 Hz，16位（CD质量）。

  • 事件检测

    • 事件探测挑战将解决识别声音场景中突出的单个声音事件的问题。两个不同的实验将采取，一个简单的声学场景没有重叠的声音，另一个使用复杂的场景在一个复调场景。该任务将使用三个数据集。

    但是，现在这些数据下载不了

相关源代码

• 一些已经提交的系统的源代码

  • 1）Event Detection: Gemmeke et al

    • 简介：用于音频事件检测的基于示例的NMF方法。

    • 出版的文章：J. F. Gemmeke, L. Vuegen, B. Vanrumste, and H. V. Hamme, “An exemplar-based NMF approach for audio event detection,” 2013.

    • Manager: Dan Stowell, Emmanouil Benetos, Jort Gemmeke, Mark Plumbley

  • 2）Event Detection: Vuegen et al

    • 简介：该提案探讨了用于声学事件检测和分类的从Mel频率倒谱系数（MFCC）估计的高斯混合模型（GMM）。 为了限制静音的影响，使用了共享的背景模型。

    • 出版的文章：L. Vuegen, B. V. D. Broeck, P. Karsmakers, J. F. Gemmeke, B. Vanrumste, and H. V. Hamme, “An MFCC-GMM approach for event detection and classification,” 2013.

    • Manager: Dan Stowell, Emmanouil Benetos, Mark Plumbley

  • 3）Scene Classification: Chum et al

    • 简介：这里开发了两种算法：第一种是基于隐马尔可夫模型（HMM）和高斯混合模型（GMM）。 所使用的特征包括短时傅立叶变换，响度和光谱稀疏度。 第二种算法在基于帧的层面上应用支持向量机（SVM）。

    • 源代码

    • 出版文章，M. Chum, A. Habshush, A. Rahman, and C. Sang, “IEEE AASP scene classification challenge using hidden Markov models and frame based classification,” 2013.

    • Manager: Dan Stowell, Emmanouil Benetos, Mark Plumbley

  • 4）Scene Classification: Geiger et al

    • 简介：这是对声学场景分类的IEEE AASP挑战的贡献。 从30秒长的高可变录音中，提取频谱，倒谱，能量和声音相关的音频特征。 使用滑动窗口方法来获得短段上低级特征的统计学特征。 SVM用于对这些短段进行分类，并采用多数投票方案来获得整个记录的决策。 关于挑战的官方发展，实现了73％的准确性。 使用t统计量的特征分析表明，主要的Mel谱是最相关的特征。

    • 无源代码

    • 出版文章1，J. T. Geiger, B. Schuller, and G. Rigoll, “Recognising acoustic scenes with large-scale audio feature extraction and SVM,” 2013.

    • 出版文章2，J. T. Geiger, B. Schuller, and G. Rigoll, “Large-Scale Audio Feature Extraction and SVM for Acoustic Scene Classification,” in WASPAA, 2013, p. 4.

    • Manager: Dan Stowell, Emmanouil Benetos, Jürgen Geiger, Mark Plumbley

  • 5）Scene Classification: Olivetti

    • 简介：我们提出一种将一般对象（如音频样本）有效地嵌入到矢量特征空间中的方法，适用于分类问题。从实践的角度来看，采用提出的方法的研究者只需要提供两个成分：这些对象的高效压缩器，以及将两个对象组合成新对象的方式。所提出的方法基于两个主要元素：不相似性表示和归一化压缩距离（NCD）。不相似性表示是欧几里德嵌入算法，即将通用对象映射到向量空间中的过程，其需要在对象之间定义距离函数。所产生的嵌入的质量严格依赖于该距离的选择。 NCD是基于Kolmogorov复杂性概念的对象之间的距离。在实践中，NCD基于两个构建块：压缩函数和将两个对象组合成新对象的方法。我们声称，一旦良好的压缩机和有意义的组合两个对象的方法可用，则可以构建分类算法可以准确的有效特征空间。作为我们向IEEE AASP挑战提交的文件，我们在声场分类的上下文中展示了所提出的方法的实际应用，其中压缩器是自由和开源的Vorbis有损音频压缩器，并且两个音频样本的组合是它们的简单连接。

    • 无源代码

    • 出版文章，E. Olivetti, “The wonders of the normalized compression dissimilarity representation,” 2013.

    • Manager: Dan Stowell, Emmanouil Benetos, Mark Plumbley

  • 6）Scene Classification: Roma et al

    • 简介：该代码使用重复量化分析（RQA）功能进行场景分类任务。 这些特征是通过从MFCC特征的窗口计算出的阈值相似度矩阵来计算的。 增加了传统的MFCC统计，它们在使用标准SVM分类器时提高了准确性。

    • 源代码

    • 出版文章，G. Roma, W. Nogueira, and P. Herrera, “Recurrence Quantification Analysis for auditory scene classification,” 2013.

    • Manager: Dan Stowell, Emmanouil Benetos, Mark Plumbley

• 基线系统的源代码：音频场景识别、事件检测

比赛相关介绍：

• 介绍

  • 我们邀请信号处理，机器学习等领域的研究人员参与我们的挑战，其中包括一系列关于声场和声学事件的自动检测和分类的相关任务。

  • 任务落在计算听觉场景分析（CASA）领域。人类能够在复杂的音频环境中轻松跟踪特定的声源，并且试图模拟这种行为的系统的发展是一个开放的问题，特别是在重叠的声音事件的情况下。

  • 确认参加挑战的截止日期为2013年3月31日（请发送电子邮件至[email protected]与参与者名称/附属机构）。提交代码的截止日期是2013年4月14日。

  • 结果将在2013年WASPAA特别会议上提交;邀请与会者在特别会议上张贴海报。此外，鼓励小说作家的作者在2013年WASPAA上作为常规论文提交作品。

• 提交说明

  • 请务必阅读技术报告，说明挑战的动机、数据集和度量标准。

  • 请务必阅读您将参与的任务的规范（以下链接）

    • 场景分类规范（PDF）

    • 事件检测（办公室现场）规范（PDF）

    • 事件检测（办公室综合）规范（PDF）

  • 使用公开可用的挑战数据集开发系统。您可以使用度量函数来测试系统的性能。

  • 写一个扩展的摘要概述你的提交完成情况（下面的链接）

    • 扩展摘主要为其他人提供了对每个提交作品完成内容的一般理解。扩展的摘要不需要在出版材料之前是最新的。鼓励参与者提交新的工作作为在waspaa 2013会议上的文章。
    • 在结果公布后，作者可以修改扩展摘要。我们将在挑战网站上发布扩展摘要的最终版本。
    • 挑战赛摘要要求：
      • 应该是2-3页长
      • 必须遵循以下模板指南： LaTeX模板、word模板
      • 必须以PDF格式提交。
      • 可以包括对您工作的其他出版物的引用（如果存在）

  • 验证您的代码使用的AASP挑战Linux系统的图像（非matlab文件）

    这个链接目前是打不开的

  • 3月31日前通过电子邮件确认您参与挑战赛。

  • 4月14日前使用电子邮件或通过下载链接提交您的代码和扩展摘要。

  • 在waspaa 2013挑战海报会议展示公告。

• 组织者

  • 这个挑战是由数字音乐中心和IRCAM组织的音声信号处理的主持下（AASP）的IEEE信号处理学会技术委员会。点击这里获取原始的挑战提案文件。

  • 组织者：

    • Dimitrios Giannoulis（QMUL）

    • Emmanouil Benetos（伦敦城市大学/ QMUL）

    • Dan Stowell（QMUL）

    • Mathias Rossignol（IRCAM）

    • Mathieu Lagrange（IRCAM）

    • Mark D. Plumbley（QMUL）（University of Surrey萨里大学？）

    在AASP挑战