Imagem da capa

Classificação automática de cenas acústicas usando algoritmos de clusterização

The Acoustic Scene Classification problem deals with assigning an environment-related label to an audio signal. Among the labels are parks, airports, streets and public squares. In this work we present four approaches to this problem based on machine learning and digital signal processing. Our main...

ver descrição completa

Autor principal: Santos, Carlos Alexandre Peron dos
Formato: Trabalho de Conclusão de Curso (Graduação)
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná 2020
Assuntos:
Aprendizado do computador
Processamento de sinais
Fourier, Transformadas de
Machine learning
Signal processing
Fourier transformations
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/6002
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-6002
recordtype dspace
spelling riut-1-60022020-11-09T19:10:09Z Classificação automática de cenas acústicas usando algoritmos de clusterização Automatic acoustic scenes classification using clustering algorithms Santos, Carlos Alexandre Peron dos Foleiss, Juliano Henrique Foleiss, Juliano Henrique Campiolo, Rodrigo Gonçalves, Rogério Aparecido Aprendizado do computador Processamento de sinais Fourier, Transformadas de Machine learning Signal processing Fourier transformations CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO The Acoustic Scene Classification problem deals with assigning an environment-related label to an audio signal. Among the labels are parks, airports, streets and public squares. In this work we present four approaches to this problem based on machine learning and digital signal processing. Our main objective was to minimize the computing power required for model training and making predictions, while keeping classification performance at acceptable levels. Our highest performing method consists in describing audios with Mel-Frequency Cepstral Coefficients and then grouping them with a 2-level K-means clustering approach. This clustering approach describes classes using sounds that are common among audios of the same class. This promotes generalization and lowers the number of data points needed for model training. In turn, this lowers the system computing power requirements. This approach reduced the number of data points to around 10% of the total, and achieved 62% accuracy in the DCASE 2018 Task 1a dataset. This result is comparable with the results obtained by the baseline system, which is based on convolutional neural networks. O problema de Classificação de Cenas Acústicas consiste em atribuir um rótulo de ambiente a um sinal de áudio. Entre os rótulos estão parques, aeroportos, ruas e praças públicas, por exemplo. Neste trabalho são propostas quatro abordagens baseadas em aprendizagem de máquina e processamento de sinais para este problema. O objetivo principal é minimizar o custo computacional necessário para treinar os modelos e realizar predições, mantendo o desempenho da classificação em níveis aceitáveis. O principal método utilizado consiste em descrever os áudios com Mel-Frequency Cepstral Coefficients e depois agrupá-los com uma abordagem baseada em K-means em 2 níveis. Este agrupamento descreve as classes utilizando os sons comuns entre os áudios de cada classe, promovendo generalização e diminuindo a quantidade de dados necessária para geração do modelo, o que diminui o custo computacional do sistema. Esta abordagem reduziu a quantidade de dados necessários para o treinamento para pouco menos de 10% do total e obteve acurácia de 62% na base de dados DCASE 2018 Task 1a. Este resultado é comparável com os resultados obtidos no sistema baseline, que utiliza Redes Neurais Convolucionais. 2020-11-09T19:10:09Z 2020-11-09T19:10:09Z 2019-11-27 bachelorThesis SANTOS, Carlos Alexandre Peron dos. Classificação automática de cenas acústicas usando algoritmos de clusterização. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Campo Mourão, 2019. http://repositorio.utfpr.edu.br/jspui/handle/1/6002 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Campo Mourao Brasil Departamento Acadêmico de Computação Ciência da Computação UTFPR
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Aprendizado do computador
Processamento de sinais
Fourier, Transformadas de
Machine learning
Signal processing
Fourier transformations
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
spellingShingle Aprendizado do computador
Processamento de sinais
Fourier, Transformadas de
Machine learning
Signal processing
Fourier transformations
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Santos, Carlos Alexandre Peron dos
Classificação automática de cenas acústicas usando algoritmos de clusterização
description The Acoustic Scene Classification problem deals with assigning an environment-related label to an audio signal. Among the labels are parks, airports, streets and public squares. In this work we present four approaches to this problem based on machine learning and digital signal processing. Our main objective was to minimize the computing power required for model training and making predictions, while keeping classification performance at acceptable levels. Our highest performing method consists in describing audios with Mel-Frequency Cepstral Coefficients and then grouping them with a 2-level K-means clustering approach. This clustering approach describes classes using sounds that are common among audios of the same class. This promotes generalization and lowers the number of data points needed for model training. In turn, this lowers the system computing power requirements. This approach reduced the number of data points to around 10% of the total, and achieved 62% accuracy in the DCASE 2018 Task 1a dataset. This result is comparable with the results obtained by the baseline system, which is based on convolutional neural networks.
format Trabalho de Conclusão de Curso (Graduação)
author Santos, Carlos Alexandre Peron dos
author_sort Santos, Carlos Alexandre Peron dos
title Classificação automática de cenas acústicas usando algoritmos de clusterização
title_short Classificação automática de cenas acústicas usando algoritmos de clusterização
title_full Classificação automática de cenas acústicas usando algoritmos de clusterização
title_fullStr Classificação automática de cenas acústicas usando algoritmos de clusterização
title_full_unstemmed Classificação automática de cenas acústicas usando algoritmos de clusterização
title_sort classificação automática de cenas acústicas usando algoritmos de clusterização
publisher Universidade Tecnológica Federal do Paraná
publishDate 2020
citation SANTOS, Carlos Alexandre Peron dos. Classificação automática de cenas acústicas usando algoritmos de clusterização. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Campo Mourão, 2019.
url http://repositorio.utfpr.edu.br/jspui/handle/1/6002
_version_ 1805314205388111872
score 10,814766

Registros relacionados