- -

An Open-Set Recognition and Few-Shot Learning Dataset for Audio Event Classification in Domestic Environments

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

An Open-Set Recognition and Few-Shot Learning Dataset for Audio Event Classification in Domestic Environments

Mostrar el registro completo del ítem

Naranjo-Alcaraz, J.; Perez-Castanos, S.; Zuccarello, P.; Torres, AM.; López Monfort, JJ.; Ferri, FJ.; Cobos, M. (2022). An Open-Set Recognition and Few-Shot Learning Dataset for Audio Event Classification in Domestic Environments. Pattern Recognition Letters. 164:40-45. https://doi.org/10.1016/j.patrec.2022.10.019

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/197443

Ficheros en el ítem

Metadatos del ítem

Título: An Open-Set Recognition and Few-Shot Learning Dataset for Audio Event Classification in Domestic Environments
Autor: Naranjo-Alcaraz, Javier Perez-Castanos, Sergi Zuccarello, Pedro Torres, Ana M. López Monfort, José Javier Ferri, Francesc J. Cobos, Maximo
Entidad UPV: Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació
Fecha difusión:
Resumen:
[EN] The problem of training with a small set of positive samples is known as few-shot learning (FSL). It is widely known that traditional deep learning algorithms usually show very good performance when trained with large ...[+]
Palabras clave: Audio Dataset , Classification , Few-Shot Learning , Machine Listening , Open-set Recognition , Sound Processing
Derechos de uso: Reconocimiento (by)
Fuente:
Pattern Recognition Letters. (issn: 0167-8655 )
DOI: 10.1016/j.patrec.2022.10.019
Editorial:
Elsevier
Versión del editor: https://doi.org/10.1016/j.patrec.2022.10.019
Código del Proyecto:
info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-097045-B-C21/ES/AUDIO ESPACIAL INTELIGENTE: ANALISIS Y MONITORIZACION/
...[+]
info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-097045-B-C21/ES/AUDIO ESPACIAL INTELIGENTE: ANALISIS Y MONITORIZACION/
info:eu-repo/grantAgreement/GVA//AICO%2F2020%2F154//SONO-TEMATIC Técnicas de aprendizaje automático aplicadas al análisis computacional de escenas sonoras y la síntesis de entornos inmersivos/
info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-097045-B-C22/ES/AUDIO ESPACIAL INTELIGENTE: SINTESIS Y PERSONALIZACION/
info:eu-repo/grantAgreement/MCIU//DIN2018-009982//Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/
info:eu-repo/grantAgreement/MICINN//TED2021-131003B-C21//Proyectos Estratégicos Orientados a la Transición Ecológica y a la Transición Digital. Convocatoria 2021/
info:eu-repo/grantAgreement/EC/H2020/779158/EU
info:eu-repo/grantAgreement/MICINN//PTQ-17-09106//Ayudas para contratos Torres Quevedo (PTQ)/
info:eu-repo/grantAgreement/MICINN//TED2021-131003B-C22//Proyectos Estratégicos Orientados a la Transición Ecológica y a la Transición Digital. Convocatoria 2021/
info:eu-repo/grantAgreement/CIUCSD//AEST%2F2020%2F012//Subvenciones para la realización de estancias de personal investigador doctor en empresas de la Comunitat Valenciana/
[-]
Agradecimientos:
This work was supported by the EU Horizon 2020 programme [grant No 779158] . Grants DIN2018-009982, PTQ-17-09106, RTI2018-097045-B-C21/C22 funded by MCIN/AEI/10.13039/50110 0 011033, the latter also by "ERDF A way of making ...[+]
Tipo: Artículo

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem