Abschlussarbeiten
Zurück zur Liste
Sound Event Detection for Smart Cars
| Abstract | In dieser Arbeit werden Klassifikationsmodelle aus dem Bereich der künstlichen Intelligenz entworfen um Klänge aus der urbanen Umgebung von Sirenenklängen zu unterscheiden. Audioaufnahmen aus der urbanen Umgebung und Audioaufnahmen, die ausgewählte Schallereignisse erfassen, werden in einem Basisdatensatz gesammelt. Mit Audiosignalverarbeitung werden für vier Klassifikationsansätze geeignete Audio-Features aus der erlangten Datenumgebung extrahiert und selektiert. Im Falle von zwei Klassifikationsaufgaben werden verschiedene Klassifikationsalgorithmen aus dem Bereich Machine Learning diskutiert: Es werden zwei Ansätze für eine binäre Klassifikation und ein Ansatz für eine Klassifikation mit drei Klassen vorgestellt. Der letzte Klassifikationsansatz vergleicht das beste Ergebnis der binären Klassifikation mit einem Deep Learning Ansatz im Sinne von Transfer Learning. Alle Klassifikationsmodelle werden mit einem selbst-aufgenommenen Validierungsdatensatz, welches an oder in einem Auto aufgezeichnete Mikrofonaufnahmen von der urbanen Umgebung und dem sogenannten Martinshorn enthält, getestet. |
| Autor*innen | |
| Betreuer*innen | |
| Jahr | 2019 |
| Art der Arbeit | Masterarbeit |
| URL | https://phaidra.kug.ac.at/o:92194 |
| Anmerkung | Audiosignalverarbeitung |
| Status | abgeschlossen |
| Keywords | Music Information Retrieval,Künstliche neuronale Netze (ANN) |