Kursplan

Grunnleggende prinsipper for lydklassifisering

  • Lydhendelsestyper: miljø, mekanisk, menneskeskapt
  • Oversikt over brukssituasjoner: overvåkning, overvåkning, automatisering
  • Lydklassifisering vs. deteksjon vs. segmentering

Lyddata og egenskapsutvinning

  • Typer lydfiler og formater
  • Samplingrate, vinduinnstilling, ramme størrelse
  • Utvinning av MFCCs, kromaegenskaper, mel-spektrogrammer

Datapreparering og annotering

  • UrbanSound8K, ESC-50 og tilpassede datamengder
  • Merking av lydhendelser og tidsmessige grenser
  • Balansering av datamengder og utvidelse av lyd

Bygging av lydklassifiseringsmodeller

  • Bruk av konvolusjonelle neuronale nettverk (CNNs) for lyd
  • Modellinnput: rå bølgeform vs. egenskaper
  • Tapfunksjoner, vurderingskriterier og overfitting

Hendelsesdeteksjon og tidlig lokalisering

  • Rammebaserte og segmentbaserte deteksjonsstrategier
  • Etterbehandling av deteksjoner ved bruk av terskler og glatting
  • Visualisering av forutsigelser på lydtidslinjer

Avanserte temaer og realtidbehandling

  • Overføring av læringsmodeller for lavdatatilfeller
  • Utplassering av modeller med TensorFlow Lite eller ONNX
  • Strømmebehandling av lyd og forsinkelsesoverveielser

Prosjektutvikling og applikasjonscenarier

  • Designing av en fullstendig pipeline: innhenting til klassifisering
  • Utvikling av et proof-of-concept for overvåkning, kvalitetskontroll eller overvåkning
  • Loggføring, varsling og integrering med dashboards eller APIer

Oppsummering og neste trinn

Krav

  • Forståelse av maskinlæringsbegreper og modelltrening
  • Erfaring med Python-programmering og databehandling
  • Kjennskap til grunnleggende digitale lydkonsepter

Målgruppe

  • Datascientists
  • Maskinlæringsingeniører
  • Forskere og utviklere innen lydsignalbehandling
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories