标题：SEDTReg：一种基于区域优先的自监督声音事件检测方法
作者：胡瑶瑶 黄青华
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：声音事件检测；自监督学习；转换器；伪标签
摘要：近期，在声音事件检测（Sound Event Detection， SED）研究中，一种采用端到端的检测转换器（Detection Transformer，DETR）被提出，它直接输出事件级预测结果。与基于帧的模型相比，该模型的训练需要更多记录时间起始的强标注数据。提出了一种新颖的SED自监督方法，它通过区域优先算法生成伪标签，即SEDTReg。该方法提供了一种解决强标注数据不足问题的替代方式。考虑到传统Transformer模型注意力模块的收敛速度较慢，提出的方法采用了多尺度可变形注意力机制。在DCASE 2022 Task4数据集上进行训练之后，所提出的方法在基于事件的F1分数上，比有竞争力的基线提高了2.2%，并节省了大量训练时间。