训练各种精确音频分类器的关键瓶颈之一是需要“强标记”的训练数据，这些数据提供要识别的音频事件的精确划分实例。然而，这种数据很难获得，特别是大量的数据。另一种更受欢迎的方法是使用“弱”标记数据来训练模型，这种数据包括只标记声音类别存在或不存在的录音，而不添加关于声音出现次数或它们在录音中的位置的额外细节。弱标记的数据比强标记的数据更容易获得;然而，使用这些数据进行培训也面临许多挑战。在本教程中，我们将讨论从弱标签数据中训练音频(和其他)分类器的问题，包括几种最先进的形式，它们的限制和局限性，以及未来的研究领域。 Bhiksha Raj IEEE会员，卡内基梅隆大学教授。Bhiksha Raj是卡内基梅隆大学计算机科学学院的教授。他的研究领域包括语音和音频处理以及声学场景分析。他是从弱标签学习音频分类器领域的先驱之一。Raj之前曾在ICASSP、Interspeech和其他各种会议上主持过几次教程。他是IEEE会士