Audio scene classification using Gated Recurrent Neural Network
Tóm tắt: 33
| 
PDF: 24 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
audio scene classification
MFCC
GRNNs
LSTM
GRU
Tóm tắt
Phân loại bối cảnh âm thanh đã nhận được sự chú ý trong nhiều năm qua. Đó là sự nhận dạng môi trường xung quanh với sự hỗ trợ của âm thanh nền. Bài báo này để xuất ba hệ thống cho việc phân loại dựa trên Gated Recurrent Neural Network. Một hệ thống gồm hai phần chính là trích xuất đặc trưng và phân loại. Đối với trích xuất đặc trưng, chúng tôi sử dụng thuật toán MFCC, những đặc trưng này sẽ là dữ liệu vào của quá trình phân loại sau đó. Đối với quá trình phân loại, chúng tôi sử dụng phương pháp Gated Recurrent Neural Network bao gồm hai thuật toán chính là Long short term memory và Gated recurrent unit. Chúng tôi thử nghiệm các hệ thống đề xuất trên tập dữ liệu LITIS Rouen bao gồm 19 danh mục và có độ dài 1500 phút. Tỷ lệ phân loại cao nhất dựa trên hệ thống đề xuất của chúng tôi là 94.92%. Đây là một tỷ lệ khá cao trong phân loại bối cảnh âm thanh và cao hơn 3.0% khi so sánh với bài báo gốc.
Tài liệu tham khảo
-
[1] D. Wang and G. J. Brown, “Computational Auditory Scene Analysis: Principles, Algorithms, and Applications”, Wiley-IEEE Press, 2006.
[2] R. F. Lyon, “Machine hearing: An emerging field”, IEEE Signal Processing Magazine, 27(5):131–139, 2010.
[3] R. Radhakrishnan, A. Divakaran, and P. Smaragdis, Audio analysis for surveillance applications, In Proc, IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA), 2005, pages 158–161.
[4] R. Mogi and H. Kasaii, “Noise-robust environmental sound classification method based on combination of ICA and MP features”, Artificial Intelligence Research, 2(1):107–121, 2013.
[5] M. Zhrer, R. Peharz, and F. Pernkopf, “Representation learning for single-channel source separation and bandwidth extension”, IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol. 23, No. 12, 2015, pp. 2398–2409.
[6] E. Cakir, T. Heittola, H. Huttunen, and T. Virtanen, “Multilabel vs. combined single-label sound event detection with deep neural networks”, in 23rd European Signal Processing Conference 2015 (EUSIPCO 2015), 2015.
[7] E. Cakir, T. Heittola, H.Huttunen, and T.Virtanen, “Polyphonic sound event detection using multi label deep neural networks”, in 2015 International Joint Conference on Neural Networks (IJCNN), 2015, pp. 1–7.
[8] http://www.cs.tut.fi/sgn/arg/dcase2016/.
[9] Hamid Eghbal-Zadeh, Bernhard Lehner, Matthias Dorfer, Gerhard Widmer, “A hybrid approach using binaural i-vectors and deep convolutional neural networks”, Detection and Classification of Acoustic Scenes and Events 2016, Tech. Rep., 2016.
[10] M. Zohrer and F. Pernkopf, “Gated recurrent networks applied to acoustic scene classification and acoustic event detection”, IEEE AASP Challenge: Detection and Classification of Acoustic Scenes and Events, Sep. 2016.
[11] J. Chung, C¸ .Gulc¸ehre, K. Cho, and Y. Bengio, “Empirical evaluation of gated recurrent neural networks on sequence modeling”, CoRR, Vol. abs/1412.3555, 2014.
[12] J. Chung, C. Gulcehre, K. Cho, and Y. Bengio, “Gated feedback recurrent neural networks”, CoRR, Vol. abs/1502.02367, 2015.
[13] A. Rakotomamonjy and G. Gasso, “Histogram of gradients of time-frequency representations for audio scene classification”, IEEE/ACM Trans. Audio, Speech, and Language Processing, 23(1):142–153, 2015.
[14] Bengio, Y., Simard, P., and Frasconi, P, (1994), “Learning long-term dependencies with gradient descent is difficult”, IEEE Transactions on Neural Networks, 5(2), 157–166.
[15] Matthew D. Zeile, Adadelta: An adptive learning rate method.
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
May 31, 2017
Download
Cách trích dẫn
Dang Thi Thuy An, Tran Thi Kieu. “Audio Scene Classification Using Gated Recurrent Neural Network”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 5, số p.h 114, Tháng Năm 2017, tr 16-20, https://jst-ud.vn/jst-ud/article/view/3328.
