Deep learning para classificação automática de sons usando o Audioset

• Autor(a) principal: Rocha, Miguel Ângelo Moreira
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/19856
• topic: Redes neuronais; Classificação de sons; Machine learning; Audioset; MFCC; Espectrograma de Mel

O som está associado à maioria das atividades humanas, sendo fundamental a sua perceção e distinção. Contudo, esta distinção nem sempre é fácil devido a alguns fatores como, por exemplo, o ruído associado aos mesmos. Os algoritmos de classificação de sons trouxeram uma forte contribuição no sentido de mitigar o problema da distinção dos sons. O Audioset é um dataset desenvolvido pela Google que contém mais de 2 milhões de sons, apresentando assim 5800 horas de áudio. Neste trabalho foi utilizado o subconjunto de sons emitidos por cães presentes deste dataset, comparando-os com sons aleatórios também presentes no dataset. O trabalho que se descreve nesta tese procura avaliar o potencial das redes neuronais na classificação de sons do Audioset, utilizando modelos pré-treinados e modelos treinados do zero nessa classificação e comparando posteriormente o seu desempenho na fase de avaliação. No pré-processamento, os sons foram normalizados, tendo sido utilizados os espectrogramas de Mel e o método MFCC para se extrair os atributos desses sons. Foram utilizados os modelos LeNet-5 (treinado do zero) e o modelo EfficientNet (treinado do zero e pré-treinado), sendo que o modelo que apresentou melhor desempenho foi o modelo EfficientNet pré-treinado que utilizou os espectrogramas de Mel como método de extração de atributos com uma taxa de acerto de 83%.