家庭环境音频事件分类的开集识别与少样本学习数据集

数据集概述

该数据集聚焦家庭环境音频事件分类，包含34类共1360条音频片段，分为模式声音和干扰声音两类。专为开集识别（OSR）和少样本学习（FSL）任务设计，提供两种基线系统结果，解决音频领域少样本学习专用数据集缺失问题。

文件详解

• 文件名称：Open-set_Recognition_Few-Shot_Learning_Dataset_for_Audio_Event_Classification.zip
• 文件格式：ZIP压缩包（.zip）
• 内容说明：包含34类音频事件的1360条标注片段，分为模式声音（如门铃、火警等目标事件）和干扰声音（家庭环境中的其他声音）；未明确标注训练/测试、数据/标签或原始/处理数据的拆分结构

适用场景

• 音频事件分类研究：用于少样本学习（FSL）和开集识别（OSR）算法的训练与验证
• 家庭环境音频监测：开发针对特定警报声（如门铃、火警）的检测系统
• 机器学习方法对比：测试不同基线系统（如从头训练、迁移学习模型）在音频少样本任务中的性能
• 音频数据集构建：为音频识别社区提供专用的FSL/OSR标注数据资源