Diversifying and Expanding Frequency-Adaptive Convolution Kernels for Sound Event Detection

频率动态卷积（FDY conv）利用频率可变的基础卷积核的组合，获得了在声音事件检测（SED）方面的最先进表现。然而，FDY conv缺乏明确的方法来多样化频率自适应卷积核，可能限制了其性能。此外，基础卷积核的大小是有限的，而时频模式跨越更大的频谱时间范围。因此，我们提出了扩张式频率动态卷积（DFD conv），通过引入不同的扩张大小到基础卷积核中，来多样化和扩展频率自适应卷积核。实验表明，沿着频率维度变化扩张大小的优点，以及对注意力权重方差的分析证明，扩张式基础卷积核得到了有效的多样化。通过使用基于交集的F1分数调整类别中位数滤波器，所提出的DFD-CRNN在多音声检测得分（PSDS）方面优于FDY-CRNN 3.12％。

本文旨在提出一种新的卷积神经网络架构，以改进声音事件检测的性能。

本文提出了一种新的卷积神经网络架构，称为DFD conv，通过引入不同的扩张大小来使频自适应卷积核多样化和扩展，以解决FDY conv中存在的潜在性能限制问题。

DFD conv通过引入不同的扩张大小来使频自适应卷积核多样化和扩展，提高了声音事件检测的性能。作者使用了类别中位数滤波器和基于交集的F1分数来适应不同的声音事件，并在多个数据集上进行了实验验证。此外，作者还分析了注意力权重方差，证明了扩张基础卷积核的有效多样性。

最近在声音事件检测领域的相关研究包括：'Multi-level Attention Network for Weakly Supervised Audio Classification'、'Attention-Based Models for Audio Tagging: A Survey'和'Large-Scale Weakly Supervised Audio Classification Using Gaussian Mixture Model Based Labeling'等。