[论文解读] Adversarial Unsupervised Domain Adaptation For Acoustic Scene Classification

Shayan Gharib, Konstantinos Drossos+3 more|arXiv (Cornell University)|Aug 17, 2018

Music and Audio Processing参考文献 1被引用 44

一句话总结

提出一种用于声学场景分类的无监督对抗域自适应方法，该方法将源域模型自适应到无目标标签的目标域数据，在未见目标的准确性上提升约10%。

ABSTRACT

A general problem in acoustic scene classification task is the mismatched conditions between training and testing data, which significantly reduces the performance of the developed methods on classification accuracy. As a countermeasure, we present the first method of unsupervised adversarial domain adaptation for acoustic scene classification. We employ a model pre-trained on data from one set of conditions and by using data from other set of conditions, we adapt the model in order that its output cannot be used for classifying the set of conditions that input data belong to. We use a freely available dataset from the DCASE 2018 challenge Task 1, subtask B, that contains data from mismatched recording devices. We consider the scenario where the annotations are available for the data recorded from one device, but not for the rest. Our results show that with our model agnostic method we can achieve $\sim 10\%$ increase at the accuracy on an unseen and unlabeled dataset, while keeping almost the same performance on the labeled dataset.

研究动机与目标

• 解决声学场景分类（ASC）中的训练与测试之间的领域移位。
• 提出一种与模型无关的无监督对抗域自适应框架用于 ASC。
• 证明在不损害源域性能的同时，利用未标记的目标域数据可以提升未见域的准确性。

提出的方法

• 先在有标签的源数据 X^S 上预训练源域模型 M_S 及标签分类器 C。
• 使用带有目标域模型 M_T 和域判别器 D 的对抗步骤来对齐 M_S(X^S) 与 M_T(X^T) 的分布。
• 保持 M_S 与 M_T 不共享权重（无权重绑定），并用 M_S 的参数初始化 M_T。
• 在自适应步骤中加入标签分类器 C，以在域对齐期间提供有监督学习信号。
• 优化 L_D 以训练 D 区分源域与目标域，优化 L_M_T 以训练 M_T 在欺骗 D 的同时使用 C 对源样本相似的目标进行分类。
• 在 X^T 上使用 C 对 M_T 进行预测，以获得目标域预测。

实验结果

研究问题

• RQ1 在没有目标标签的情况下，无监督对抗域自适应能否对不匹配的声学域之间的潜在表示进行对齐？
• RQ2 在自适应过程中加入标签分类器 C 是否能在不严重损害源域性能的前提下提高目标域精度？
• RQ3 该方法是否架构无关且在不同的 ASC 模型中都有效？
• RQ4 在未见目标数据上的性能在自适应前后有何变化？

主要发现

• 在两个 ASC 模型（Kaggle 基线和 DCASE 基线）上，目标域准确率在自适应后分别从 20.28% 提升到 31.67% 和从 19.17% 提升到 25.28%。
• 源域准确率基本保持稳定，Kaggle 模型略有上升（65.25% 提升至 65.37%），DCASE 模型略有下降（61.71% 降至 61.23%）。
• 自适应实现了在未见目标域上的绝对提升约10个百分点的性能增益。
• 自适应后，混淆矩阵显示对目标域标签的正确分类显著提升。