ICASSP 2023 | MCROOD: MULTI-CLASS RADAR OUT-OF-DISTRIBUTION DETECTION

已于 2023-08-01 20:06:08 修改
阅读量158 收藏
点赞数
分类专栏： # 微波(0.3-300GHz)雷达 # Deep Learning # 论文阅读 文章标签： 毫米波雷达 OOD 无线感知
于 2023-07-27 13:26:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/131957745
版权

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4MjgxMjgyMg==&mid=2247486484&idx=1&sn=d43f92ca0230753e77f54557054653d6&chksm=cf51beedf82637fb27d4cbb9279f273298779dabe25f7775cb93469787bcc12c1b6b2caec979#rd

ICASSP 2023 | MCROOD: MULTI-CLASS RADAR OUT-OF-DISTRIBUTION DETECTION

无线感知论文阅读笔记：ICASSP 2023, MCROOD: MULTI-CLASS RADAR OUT-OF-DISTRIBUTION DETECTION

picture 0

Abstract

0.25 page

  • 目标

    • 针对雷达range-doppler images (RDI) 的OOD检测

  • 贡献

    • 提出了一种基于reconstruction的多类OOD检测器,用于毫米波雷达图像分类

      🚩 目标是将除坐着、站立或行走的人之外的任何运动目标识别为OOD

    • 提出了呼吸检测器(RESPD)来检测人体轻微运动,如呼吸

      🚩 以简化OOD检测难度

最低0.47元/天 解锁文章
R.X. NLOS
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ICASSP 2023 | Cough Detection Using Millimeter-Wave FMCW Radar
NLOS的博客
07-30 245
研究内容提出了一种使用毫米波FMCW雷达检测人体咳嗽信号的信号处理方法✅ 利用FMCW雷达的相位解调技术可以提取咳嗽引起的微小振动✅ 采用身体运动伪像消除(BMAC)技术可以抑制运动伪像⇒⇒（运动伪像可以轻易掩盖小振动）✅ 即使存在大规模身体运动也可以测量咳嗽信号的振动频率实验验证进行了仿真来评估所提出方法检测咳嗽信号的概率和准确性✅ 包括分析了FMCW线性调频非线性的影响提出的技术还通过60 GHz FMCW雷达进行了验证实验贡献总结首次使用FMCW雷达实现了咳嗽信号的检测。
MANNER: MULTI-VIEW ATTENTION NETWORK FOR NOISE ERASURE
weixin_48994423的博客
03-10 4040
[ICASSP2022 arXiv:2203.02181v1] Motivation 目前时域方法存在同时实现高性能和高效率的困难。近年来，双路径模型被用来表示长序列特征，但在内存使用方面并不有效，因为它们在训练过程中保持了长信号长度。此外，在小通道尺寸上进行双路径处理的重复特征提取，导致表示方式有限，性能较低，记忆效率较差。在本研究中，我们提出了MANNER，由卷积编解码器和多视图注意块组成，应用于时域信号。 Method A 编码器和解码器 在编码器层之前，使用一维卷积层，然后batch.
论文翻译：2023_THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement...
凌逆战的博客
03-21 1212
论文地址：THLNet: 用于单耳语音增强的两级异构轻量级网络 代码：https://github.com/dangf15/THLNet 引用格式：Dang F, Hu Q, Zhang P. THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement[J]. arXiv preprint...
《TEA-PSE: TENCENT-ETHEREAL-AUDIO-LAB PERSONALIZED SPEECH ENHANCEMENTSYSTEM FOR ICASSP 2022 DNS CHA》
qq_46079584的博客
05-11 1265
ABSTRACT 这篇论文提出了两阶段的网络，用ECAPA-TDNN作为获取说话人向量的网络，实现了很好的性能。第一个阶段的网络只是单单的估计幅度谱，和带噪的相位结合起来得到粗糙的复数谱，第二阶段，一个附属的网络作为一个后处理模块，进一步去除掉残余的噪声和人为干扰的声音。同时，相位信息也被跟着改变了。整个大网络用了三个损失组合成最终的损失。 INTRODUCTION Personalized speech enhancement (PSE)，也叫做说话人提取，目标是从一个...
翻译：Multi-scale Multi-path Multi-model Fusion Nerwork
强劲九
08-09 1282
M3Net: 多尺度多路径多模型融合网络及其在 RGB-D 显着目标检测中的应用实例 摘要 — 融合 RGB 和深度数据对于提高各种机器人和计算机视觉任务的性能是很受关注的。通常，RGB 和深度信息的（数据）流在早期或者晚期的阶段合并为一个单一的融合点，以生成合并的特征或者决策。单一的融合点也意味着单一的融合路径，它拥挤且不灵活，无法融合来自不同模态的所有信息。因此，融合过程是暴力的，所以也缺乏...
【论文简述】N2MVSNet: Non-Local Neighbors Aware Multi-View Stereo Network（ICASSP 2023）
最新发布
qq_43307074的博客
11-27 1191
【论文简述】N2MVSNet: Non-Local Neighbors Aware Multi-View Stereo Network（ICASSP 2023）
ICASSP2023论文分享 | DST：基于Transformer的可变形语音情感识别模型
weixin_48827824的博客
03-13 2138
本次分享华南理工大学、优必选研究院等合作在ICASSP2023会议发表的论文《DST: Deformable Speech Transformer for Emotion Recognition》。该论文提出一个可变形的Transformer结构来对语音情感信号进行建模，能够自适应地发现并关注到语音信号中有价值的细粒度情感信息。
ICASSP2023 | TEA-PSE 3.0: 深度噪声抑制（DNS）竞赛个性化语音增强冠军方案解读
weixin_48827824的博客
03-30 2193
由微软发起的深度噪声抑制（Deep Noise Suppression Challenge）竞赛已经连续举办了五届，在ICASSP 2023上举办的最新一届竞赛[1]旨在促进全频带（48 kHz）实时个性化语音增强，赛道一围绕头戴麦克风（headset）语音增强，赛道二围绕扬声器麦克风（speakerphone）语音增强。
ICASSP 2019----Multi-objective Optimization Training of PLDA for Speaker Verification
Grace_yan的博客
06-20 295
Multi-objective Optimization Training of PLDA for Speaker Verification PLDA多目标优化训练用于说话人验证 https://ieeexplore.ieee.org/document/8683295 Liang He; Tsinghua University Xianhong Chen; Tsinghua University ...
icassp2019-latex-template：ICASSP 2019官方乳胶模板
02-03
《ICASSP 2019 LaTeX 模板详解及应用》 国际音频、语音与信号处理会议（International Conference on Acoustics, Speech and Signal Processing，简称ICASSP）是全球该领域的顶级学术盛会，每年都会吸引众多研究...
绉：CREPE：基音估计的卷积表示-预训练模型（ICASSP 2018）
02-06
金钟郁（Jong Wook Kim），贾斯汀·萨拉蒙（Justin Salamon），彼得·李（Peter Li），胡安·帕布罗（Juan Pablo Bello） IEEE国际声学，语音和信号处理（ICASSP）会议论文集，2018年。 我们恳请使用CREPE的学术...
ICASSP2020_STDemo:显示和演示示范首页
05-22
ICASSP展示和讲述示范 演示单页链接： : 学会将多说话者的情感韵律传递给中立的说话者 会议： 会议： 演示： 演讲时间： 5月8日，星期五，11：45 – 13:45 发言题目：学习将多说话者的情感韵律传递给中立的说话...
Speech-Separation-Paper-Tutorial:基于神经网络的语音分离必读论文
05-08
:check_mark: [深度聚类：用于分段和分离的区分嵌入，JR Hershey，ICASSP 2016] :check_mark: [使用深度聚类的单通道多扬声器分离，Y Isik，Interspeech 2016] :check_mark: [用于与说话者无关的多说话者语音...
Matlab中dither的实现代码-bband-adaband:带-adaband
06-19
页，doi：10.1109/ICASSP40776.2020.9053634。 Z. Tu、J. Lin、Y. Wang、B. Adsumilli 和 AC Bovik。 “自适应解带滤波器”。 IEEE 信号处理快报，第 27 卷。 运行代码 “third_party/matlabfns”中有第三方例程。 ...
服务器查看配额限制: OSError: [Errno 122] Disk quota exceeded
热门推荐
NLOS的博客
12-14 4万+
程序运行过程中出现错误： OSError: [Errno 122] Disk quota exceeded 是因为磁盘配额不够了，即磁盘已满或超出了用户所能使用的配额上限。 可以通过如下命令查看配额限制和已经使用的配额： quota -uvs username 如下图： 其中，space是已经使用的存储，limit是限制存储，故需要删除文件至解除限制。 可以查看此链接获取更多...
RuntimeError: Given groups=1, weight of size [64, 3, , ], expected input[1, 4, , ] to have 3
NLOS的博客
12-29 2万+
这种本来应该是3通道结果是4通道导致报错的问题一般是因为Image.open函数。 参考链接：https://www.computationalimaging.cn/2020/01/runtimeerror-given-groups1-weight-of.html 错误语句： img = Image.open(osp.join(dspth, image_path)) 此时读入图片即为4通...
Python计算图片SSIM和PSNR
NLOS的博客
02-28 1万+
分两种情况： 1. 在网络训练过程中计算Output和Groundtruth之间的SSIM，作为损失函数； 2. 直接计算两张图片之间的SSIM。 情况1 https://github.com/congyucn/pytorch-ssim 可直接使用上述代码。 情况2 ...
Pytorch 多块GPU的使用
NLOS的博客
04-29 1万+
注：本文针对单个服务器上多块GPU的使用，不是多服务器多GPU的使用。 在一些实验中，由于Batch_size的限制或者希望提高训练速度等原因，我们需要使用多块GPU。本文针对Pytorch中多块GPU的使用进行说明。 1. 设置需要使用的GPU编号 import os os.environ["CUDA_VISIBLE_DEVICES"] = "0,4" ids = [0,1] 比如我...
多时间尺度学习的说话人识别：t-vector与双通路神经网络
"这篇论文是关于ICASSP 2019年会议中TDSV领域的研究，主要探讨了从深层神经网络中提取高度区分的说话人嵌入以改进说话人识别技术。研究受到了生物听觉系统处理多时间尺度信息的启发，提出了一种双通路神经网络结构，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值