Návrh Školení

Základy klasifikace zvuku

  • Druhy zvukových událostí: prostředí, mechanické, lidsky vyvolané
  • Přehled užití: dozor, monitorování, automatizace
  • Klasifikace zvuku vs detekce vs segmentace

Zvuková data a extrakce vlastností

  • Druhy zvukových souborů a formátů
  • Vzorkovací frekvence, okně, velikost rámce
  • Extrahování MFCCs, chromových vlastností, mel-spectrogramů

Příprava dat a anotace

  • UrbanSound8K, ESC-50 a vlastní sady dat
  • Označení zvukových událostí a časových hranic
  • Zaťazování dat a rozšiřování zvuku

Vytvoření modelů klasifikace zvuku

  • Použití konvolučních neuronových sítí (CNNs) pro zvuk
  • Model vstup: surová vlnová forma vs vlastnosti
  • Funkce ztrát, metriky hodnocení a přetrenování

Detection of Events and Temporal Localization

  • Strategie detekce založené na rámci a segmentu
  • Po-detekční úpravy pomocí práhů a vyhlazování
  • Vizualizace předpovědí v časových osách zvuku

Pokročilé téma a reálný čas zpracování

  • Transfer learning pro nízkodatová scénáře
  • Vyplňování modelů s TensorFlow Lite nebo ONNX
  • Reálné časové zpracování zvuku a ohledy na zpoždění

Vývoj projektu a aplikace scénáře

  • Návrh úplného průběhu: příjem a klasifikace
  • Vývoj konceptu pro dozor, kontrolu kvality nebo monitorování
  • Protokolování, výstražná systémy a integrace s panely nebo API

Souhrn a další kroky

Požadavky

  • Požadavky na znalosti konceptů strojového učení a trénování modelů
  • Zkušenosti s programováním Python a předzpracováním dat
  • Znalost základů digitálního zvuku

Cílová skupina

  • Analysté dat
  • Inženýři strojového učení
  • Výzkumníci a vývojáři ve sférech zpracování zvukových signálů
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie