卒論の懸念
データセットの中身
? ラベルは誰がどう付けた?
対象はとマエストロ
参考
https://github.com/turpaultn/DESED
データセットの論文: https://inria.hal.science/hal-02160855v2/document
モデル
現在のモデルは複雑すぎる
と言われた
CNNとTransformerの出力を結合してRNNに通すのは複雑らしい
? 精度上昇の見込みはあるのか?
そもそもこれ以上上がらないのでは,との指摘
一応確認した > https://dcase.community/challenge2024/task-sound-event-detection-with-heterogeneous-training-dataset-and-potentially-missing-labels-results
ベースライン0.475に対し0.2ほど上昇
これ以上増えそうにないならモデル小型化に舵を切る
この場合はやはり先輩の手法が参考になるか
エッジデバイスでの動作とFLのための小型化
一通り動かして確認する
! DCASEのベースラインを動かす
! 上位モデルを動かす
cf. DCASE 2024の上位を見て方法を知る
> もし精度上昇が無理そうなら,モデルの簡易化と精度の維持を目指す
Transformerはなぜ必要?
具体的に何をする?
* 現在の理解は浅い
局所的な特徴をCNNで得て,グローバルな特徴をRNNとTransformerで得るとしか理解していない
? BEATsはどういう構造になっている?
一度時間を取った方が良い
cf.
発表について
時間は?
発表が10,質疑が5
のはず
内容が研究計画書と食い違う
音響イベント検知について
事務課に一報を入れる
! 研究計画書と現在の研究内容が食い違っても追加の手続きは不要か?