Classificação de sons ambientais utilizando redes neurais convolucionais para aplicações em hardwares com recursos limitados

• Autor(a) principal: Ceriotti, Vinicius Cella
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/267582
• topic: Som; Redes neurais artificiais; Reconhecimento de padrões; Processamento de sinais acústicos; Environmental Sounds; Convolutional Neural Networks; Spectrogram; Data Augmentation; Pruning; Quantization

A classificação de sons ambientais tem encontrado aplicabilidade em diversos setores, como sistemas de vigilância de áudio, monitoramento inteligente, preservação ambiental e detecção de ruído em áreas urbanas. No contexto de cidades inteligentes, que buscam soluções tecnológicas para os desafios da urbanização, a classificação de sons se mostra especialmente relevante. Com a integração de técnicas de aprendizado de máquina, torna-se possível aprimorar o desempenho no reconhecimento de padrões acústicos, facilitando a implementação de soluções mais robustas e adaptativas em aplicações práticas. A presente pesquisa analisa 5 topologias de redes neurais convolucionais propostas em trabalhos relacionados (SBCNN, DMIX, STRIDED, 2DCNN e 1DCNN) a partir de três técnicas de extração de características (espectrograma em escala logarítmica, espectrograma mel e espectrograma mel em escala logarítmica) e com e sem a utilização de Data Augmentation. Os modelos foram validados a partir da utilização de técnica 10-fold cross validation. A partir dos resultados obtidos, foram aplicadas as técnicas de poda computacional e quantização para redução do número de parâmetros e tamanho dos modelos. A topologia STRIDED obteve taxa de acerto média de 72, 19%, com 149.892 parâmetros (80% de esparsidade) e tamanho médio de 217.498 bytes para a base de dados UrbanSound8K, enquanto que a topologia SBCNN obteve taxa de acerto de 73, 48%, com 86.476 parâmetros e tamanho médio de 125.669 bytes.