Wyniki wyszukiwania - BazTech

1

Application of visual classification algorithms for identification of underwater audio signals

Gnyś Piotr, Szczęsna Gabriela, Dominguez-Brito Antonio C., Cabrera-Gámez Jorge

TASK Quarterly : scientific bulletin of Academic Computer Centre in Gdansk

|

2022

|

Vol. 26, No 4

1-22

EN

An audio processing and classification pipeline is presented in this work. The main focus is on the classification of sounds in a marine acoustic environment, however, the presented approach can be applied to other audio data. Audio samples from heterogeneous sources automatically spliced, normalized and transformed into spectrogram based visual representation are tagged on the pipeline input. The said representation is then used to train a convolutional neural network that can identify the presented categories in future recordings.

2

Analyzing feature trajectories for audio content discrimination

Mąka T.

Elektronika : konstrukcje, technologie, zastosowania

|

2011

|

Vol. 52, nr 10

157-159

EN

The paper presents an approach to classification of audio data using properties derived from low-level features. The new descriptors based on peakiness of the feature trajectory, and the crossing points between two selected trajectories. Calculated features are exploited in wrapper-based selection process and Support Vector Machines are employed to the speech/music classification problem. The obtained results show that proposed approach can be applied to perform audio classification in efficient manner.

PL

Podejście do klasyfikacji akustycznej przedstawione w pracy wykorzystuje charakterystykę zmienności cech niskopoziomowych. Wykorzystano własności występowania szczytów w trajektoriach cech oraz własności punktów przecięć pomiędzy dwoma wybranymi trajektoriami cech. Uzyskane w ten sposób deskryptory poddano selekcji z użyciem algorytmu wykorzystującego maszyny wektorów nośnych SVM dla problemu klasyfikacji sygnałów mowy i muzyki. Pokazano, że proponowane podejście i użyte cechy pozwalają uzyskać wysoką skuteczność klasyfikacji.

3

Properties of feature contours for audio classification tasks

Mąka T.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

Vol. 51, nr 11

134-136

EN

A technique for classifying audio segments based on properties of feature contours is described. The proposed approach uses a simple method utilizing peaks detection procedure with adaptive thresholding and fusion of contours attributes. It is possible to determine the signal class based on statistical analysis of the distances set between peaks for selected feature contours. In order to validate presented method, results analysis of feature contours along with decision function was applied to the discrimination problem between speech and music signals. In the result, obtained classification accuracy was 98% for the considered test set.

PL

W pracy przedstawiono technikę pozwalającą na określanie klasy sygnału dźwiękowego poprzez wykorzystanie właściwości konturów cech. W zaproponowanym podejściu zastosowano wykrywanie pików w konturach przy użyciu zmiennego progu decyzyjnego oraz fuzji atrybutów konturów. Na podstawie analizy statystycznej uzyskanego zbioru odległości między pikami dla określonych konturów cech, możliwe jest określenie klasy sygnału. W celu weryfikacji prezentowanego podejścia przedstawiono zastosowanie wyników analizy konturów cech oraz funkcji decyzyjnej pozwalające w efektywny sposób (z dokładnością 98% dla użytego zbioru testowego) dokonywać klasyfikacji segmentów dźwiękowych zawierających mowę oraz muzykę.

4

Automatic Audio Content Identification

Mąka T.

Electronics and Telecommunications Quarterly

|

2009

|

Vol. 55, No 3

485-491

EN

This paper addresses the problem of automatic audio content identification. In order to determine regions of speech, music and silence in audio stream, the fusion of feature contours and their envelopes has been used. Additionally, a voicing detector and four class music genre identification stage have been incorporated into classification system. To minimize boundary errors of different audio regions, a smoothed envelope of feature contours has been proposed. Experimental results show that using proposed scheme, makes it possible to achieve acceptable classification rates for audio data segmentation. In result, this approach can be applied to the content type dependent multimedia processing.