Stepan Shishkin wurde für sein erstes Paper, mit dem Thema »Active Learning for Sound Event Classification using Monte-Carlo Dropout and PANN Embeddings«, auf dem sechsten Workshop Detection and Classification of Acoustic Scenes and Events DCASE 2021 mit dem Best Student Paper Award ausgezeichnet wurde. 

In seinem Beitrag stellt Stepan Shishkin eine aktive Lernmethode zur Klassifizierung von Schallereignissen vor, um den menschlichen Arbeitsaufwand bei der Datenannotation zu reduzieren. Denn Maschinelle Lernverfahren benötigen oftmals große Mengen an manuell annotierten Daten. Der Clou bei der Sache: Schon wenige Expertenrückmeldungen verbessern die automatische Annotation von Daten erheblich. 

Der Beitrag wurde im Rahmen unseres Projekts "KI-MUSIK4.0" verfasst. KI-MUSIK4.0 wird unter dem Förderkennzeichen 16ME0076 vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. In dem Projekt entwickelt das Fraunhofer IDMT in Oldenburg mit namhaften Partnern eine universelle mikroelektronikbasierte Sensorschnittstelle für die Industrie 4.0, die Mehrwerte auf allen Ebenen moderner Industrie-Systemarchitekturen liefern soll. Die Forschungs- und Entwicklungsarbeit des Oldenburger Institutsteils fokussiert sich auf vernetzte, akustische Sensorik. Dazu gehört auch die Adaption von Methoden der künstlichen Intelligenz und des maschinellen Lernens für neue KI-fähige Mikroelektronik. Dies soll eine industrielle Fehler- und Zustandserkennung sowie eine automatisierte Qualitätskontrolle deutlich verbessern. 

Dieser Beitrag ist ein großartiges Beispiel für die hervorragende Zusammenarbeit zwischen der Universität Oldenburg, dem Exzellenzcluster Hearing4all und dem Oldenburger Institutsteil für Hör-, Sprach- und Audiotechnologie HSA. Neben Danilo Hollosi und Prof. Dr. Simon Doclo war auch unser ehemaliger Kollege Dr. Stefan Goetze von der University of Sheffield einer der Gutachter.