ترجمه فارسی مقاله LC-Protonets: آموزش چند برچسبی چند شات برای برچسب گذاری صوتی موسیقی جهان

چکیده

We introduce Label-Combination Prototypical Networks (LC-Protonets) to address the problem of multi-label few-shot classification, where a model must generalize to new classes based on only a few available examples. Extending Prototypical Networks, LC-Protonets generate one prototype per label combination, derived from the power set of labels present in the limited training items, rather than one prototype per label. Our method is applied to automatic audio tagging across diverse music datasets, covering various cultures and including both modern and traditional music, and is evaluated against existing approaches in the literature. The results demonstrate a significant performance improvement in almost all domains and training setups when using LC-Protonets for multi-label classification. In addition to training a few-shot learning model from scratch, we explore the use of a pre-trained model, obtained via supervised learning, to embed items in the feature space. Fine-tuning improves the generalization ability of all methods, yet LC-Protonets achieve high-level performance even without fine-tuning, in contrast to the comparative approaches. We finally analyze the scalability of the proposed method, providing detailed quantitative metrics from our experiments. The implementation and experimental setup are made publicly available, offering a benchmark for future research.

چکیده به فارسی (ترجمه ماشینی)

ما شبکه های نمونه اولیه لیبل (LC-Protonets) را برای پرداختن به مشکل طبقه بندی چند برچسب چند برچسب معرفی می کنیم ، جایی که یک مدل باید بر اساس چند نمونه موجود ، به کلاس های جدید تعمیم دهد.با گسترش شبکه های نمونه اولیه ، LC-Protonets یک نمونه اولیه در هر ترکیب برچسب تولید می کند ، از مجموعه قدرت برچسب های موجود در موارد آموزشی محدود ، به جای یک نمونه اولیه در هر برچسب.روش ما برای برچسب زدن خودکار صوتی در مجموعه داده های مختلف موسیقی ، پوشش فرهنگ های مختلف و از جمله موسیقی مدرن و سنتی استفاده شده است و در برابر رویکردهای موجود در ادبیات ارزیابی می شود.نتایج نشان می دهد که تقریباً در تمام حوزه ها و مجموعه های آموزشی هنگام استفاده از پروترنتنت های LC برای طبقه بندی چند برچسب ، عملکرد قابل توجهی را نشان می دهد.علاوه بر آموزش چند مدل یادگیری چند شات از ابتدا ، ما استفاده از یک مدل از پیش آموزش داده شده ، به دست آمده از طریق یادگیری تحت نظارت ، را برای جاسازی موارد در فضای ویژگی کشف می کنیم.تنظیم دقیق توانایی تعمیم در همه روش ها را بهبود می بخشد ، با این حال ، پروتنتون های LC بر خلاف رویکردهای مقایسه ای ، حتی بدون تنظیم دقیق ، عملکرد سطح بالا را نیز به دست می آورند.ما سرانجام مقیاس پذیری روش پیشنهادی را تجزیه و تحلیل می کنیم و معیارهای کمی دقیق از آزمایشات خود را ارائه می دهیم.اجرای و راه اندازی آزمایشی در دسترس عموم قرار می گیرد و یک معیار برای تحقیقات آینده ارائه می دهد.