Evaluating the generalization ability of deep learning models for sound source localization

Оценивается обобщающая способность моделей глубокого обучения, используемых для решения задачи локализации источника звука с пространственным разрешением 10°, при изменении настроек конфигурации. Обобщающая способность моделей оценивалась в замкнутой реверберирующей среде с использованием ортогональной микрофонной решетки. Были рассмотрены две модели: SI-GCC-CNN, которая основана на объединении признаков интенсивности звука и обобщенной кросс-корреляции - фазового преобразования в качестве входных данных для сверточных нейронных сетей, и SI-CNN, которая основана на подаче признаков интенсивности звука в сверточную нейронную сеть. Результаты моделирования и имитации показывают, что модель SI-GCC-CNN эффективна по своей обобщающей способности и превосходит модель SI-CNN, достигая улучшения точности локализации на 22,1% при изменении размера помещения, на 15,6% при изменении местоположения микрофонной решетки и на 32% при изменении расстояния между источником и центром микрофонной решетки. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Ключевые слова

Авторы

Ссылки