2020-07-20 | 민병권 기자

ETRI团队夺AI声音识别国际大赛冠军

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国研究团队在利用人工智能(AI)通过听声音识别场景的音响识别技术国际竞赛中,击败世界知名大学和大企业夺得桂冠。

据韩国电子通信研究院(ETRI)20日消息,由媒体编码研究室室长李泰镇带领的ETRI团队,在本月3日举行的“第六届基于AI的音响事件及场景识别技术竞赛(DCASE)”音响场景识别领域获得第一名。团队排名第二的是“佐治亚理工·中国科技大学·腾讯·UEK联合团队”。

ETRI团队夺得榜首的领域是“面向多终端的音响场景识别”课题,即通过收听用多种终端设备录制的声音来判断录音地点。不仅包括运动相机和双耳麦克风,还包括容易混入杂音的普通智能手机,需要准确判断各设备不同的信号特性。例如,以学习用音响数据的形式用智能手机录制法国巴黎地铁的声音并开发识别系统,而在评估时播放用运动相机录制的地铁声音,考察能否判断出该场景。

ETRI团队之所以能夺冠,是因为开发了将声音按频段划分、由AI分模型学习的深度学习技术“基于深度学习的三叉戟(Trident)结构神经网络”。此外,设计并应用了在将各终端输入的音频信号一般化方面具有优势的“非均等输入特征分割技法”,也被视为秘诀。关于此次开发的技术,ETRI媒体研究本部长金兴默介绍说:“可广泛应用于面向老弱者、听障人士的‘危险回避技术’,或通过听声音导出相关信息的‘媒体自动标注技术’等。”

DCASE是谷歌、英特尔、亚马逊、IBM、三星集团、LG等世界知名机构参加的音响技术相关大赛,由电气电子工程师协会(IEEE)下属AASP主办,今年3月至6月中旬在6个领域举行。本次大赛有138支队伍参加,提交了473个系统。 /记者闵丙权 newsroom@sedaily.com

阅读韩文原文