• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia, IEEE Transactions on >Deep Learning and Music Adversaries
【24h】

Deep Learning and Music Adversaries

机译：深度学习和音乐对手

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An adversary is an agent designed to make a classification system perform in some particular way, e.g., increase the probability of a false negative. Recent work builds adversaries for deep learning systems applied to image object recognition, exploiting the parameters of the system to find the minimal perturbation of the input image such that the system misclassifies it with high confidence. We adapt this approach to construct and deploy an adversary of deep learning systems applied to music content analysis. In our case, however, the system inputs are magnitude spectral frames, which require special care in order to produce valid input audio signals from network- derived perturbations . For two different train-test partitionings of two benchmark datasets, and two different architectures , we find that this adversary is very effective. We find that convolutional architectures are more robust compared to systems based on a majority vote over individually classified audio frames. Furthermore , we experiment with a new system that integrates an adversary into the training loop, but do not find that this improves the resilience of the system to new adversaries.
机译：对手是旨在使分类系统以某些特定方式执行（例如增加误报的可能性）的代理。最近的工作为应用于图像对象识别的深度学习系统建立了对手，他们利用系统的参数来找到输入图像的最小扰动，从而使系统以高置信度对它进行错误分类。我们采用这种方法来构建和部署可应用于音乐内容分析的深度学习系统的对手。但是，在我们的情况下，系统输入是幅度谱帧，需要特别注意才能从网络衍生的扰动中产生有效的输入音频信号。对于两个基准数据集的两个不同的火车测试分区以及两个不同的体系结构，我们发现该对手非常有效。我们发现，与基于对单独分类的音频帧进行多数表决的系统相比，卷积架构更健壮。此外，我们尝试了将对手整合到训练循环中的新系统，但没有发现这可以提高系统对新对手的适应性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号