Ohun iṣẹlẹ erin
Wiwa iṣẹlẹ ohun (SED) n ṣe idanimọ kini awọn ohun ti o waye ninu ṣiṣan ohun ati deede nigbati wọn bẹrẹ ati da duro.
Akopọ
It turns raw audio into a labeled timeline, enabling machines to understand acoustic scenes.
Jin Dive
Wiwa iṣẹlẹ ohun lọ kọja fifi aami si agekuru nikan pẹlu aami kan; o ṣe afihan ibẹrẹ ati awọn akoko aiṣedeede ti iṣẹlẹ kọọkan, bii aja ti ngbo lati 2.1 si awọn aaya 3.4 lakoko ti ọkọ ayọkẹlẹ kan kọja ni abẹlẹ. Eyi jẹ lainidii iṣoro polyphonic nitori ọpọlọpọ awọn ohun agbekọja le waye ni ẹẹkan, nitorinaa awọn awoṣe gbọdọ mu ọpọlọpọ awọn aami igbakana. Awọn ọna ṣiṣe jẹ ikẹkọ deede lori awọn ipilẹ data bii AudioSet, DESED, tabi UrbanSound8K. Ipenija DCASE ọdọọdun ti mu pupọ ti ilọsiwaju aaye naa. Awọn ohun elo wa lati awọn itaniji aabo ile-ọlọgbọn ati ibojuwo ẹranko igbẹ si wiwa ẹrọ-ẹbi ile-iṣẹ. Ipenija itẹramọṣẹ jẹ isamisi alailagbara, nibiti awọn agekuru ikẹkọ ṣe akiyesi pe iṣẹlẹ kan waye ṣugbọn kii ṣe deede nigbati.
Imọ-imọ-ẹrọ
Opo opo gigun ti epo SED kan ṣe iyipada ohun ohun sinu spectrogram log-mel, lẹhinna jẹ ifunni rẹ si nẹtiwọọki ti nwaye loorekoore (CRNN) tabi, ni ilọsiwaju, oluyipada kan. Awọn fẹlẹfẹlẹ CNN gba awọn ilana akoko-igbohunsafẹfẹ agbegbe lakoko ti loorekoore tabi awọn ifarabalẹ ṣe awoṣe ipo igba akoko, ti njade awọn iṣeeṣe fun fireemu fun kilasi iṣẹlẹ kọọkan. Lati kọ ẹkọ akoko kongẹ lati data aami alailagbara, awọn awoṣe lo ẹkọ-ọpọlọpọ-apeere ati ikojọpọ akiyesi, ṣe afihan iṣẹ ṣiṣe ipele-fireemu lati awọn aami ipele agekuru.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti Ohun iṣẹlẹ erin
Aaye naa n lọ si awọn awoṣe ipilẹ ohun afetigbọ ti ara ẹni ti a ti kọkọ tẹlẹ lori ile-iṣẹ ti ko ni aami, lẹhinna aifwy daradara fun wiwa pẹlu data aami ti o kere pupọ. Ṣiṣawari awọn ọrọ-ọrọ ati wiwa ede, nibiti o ti beere fun ohun lainidii nipasẹ apejuwe ọrọ, n farahan. Reti imuṣiṣẹ lori ẹrọ diẹ sii fun airi-kekere, abojuto ipamọ-ipamọ, ati idapọ ti o lagbara pẹlu awọn sensọ miiran. Agbara si alariwo, ifarabalẹ, awọn agbegbe gidi-aye jẹ idojukọ iwadii aarin.
Real-World imuse
Smart-home ati awọn ohun elo oluranlọwọ gbigbọran ti n ṣalaye awọn olumulo lati mu awọn itaniji, gilasi fifọ, tabi ọmọ ti nkigbe
Awọn ọna ṣiṣe ibojuwo bioacoustic ti n ṣe awari eye, whale, tabi awọn ipe kokoro lati tọpa ipinsiyeleyele ninu egan
Awọn irinṣẹ itọju asọtẹlẹ ti n rii awọn ohun ẹrọ ajeji lori awọn ilẹ ipakà ile-iṣẹ ṣaaju ki ohun elo kuna
Awọn nẹtiwọọki ti n ṣakiyesi ariwo ilu ti n ṣe iyatọ sirens, awọn ibọn ibọn, ijabọ, ati ikole fun igbero ilu
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Sound Event Detection quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Wiwa Deepfake Audio
Awọn ibeere ti a beere nigbagbogbo
What is Sound Event Detection?
Wiwa iṣẹlẹ ohun (SED) n ṣe idanimọ kini awọn ohun ti o waye ninu ṣiṣan ohun ati deede nigbati wọn bẹrẹ ati da duro. O yi ohun aise pada sinu aago ti a samisi, ti n mu awọn ẹrọ laaye lati loye awọn iwoye akositiki.
Kini o ṣe iyatọ wiwa iṣẹlẹ ohun si fifi aami ohun afetigbọ ti o rọrun?
SED ṣe agbegbe awọn iṣẹlẹ ni akoko pẹlu ibẹrẹ ati aiṣedeede timestamps, lakoko ti fifi aami le kan boya ohun kan wa ni ibikan ninu agekuru kan.
Kini idi ti wiwa iṣẹlẹ ohun nigbagbogbo ṣe apejuwe bi iṣoro polyphonic kan?
Ohun afetigbọ gidi-aye nigbagbogbo ni ọpọlọpọ awọn iṣẹlẹ agbekọja ni akoko kanna, nitorinaa awoṣe gbọdọ sọ asọtẹlẹ ọpọ awọn aami ti nṣiṣe lọwọ fun fireemu.
Kini 'iṣamisi alailagbara' tumọ si ni data ikẹkọ SED?
Awọn aami ailagbara tọkasi wiwa iṣẹlẹ kan ninu agekuru kan laisi ibẹrẹ deede ati awọn akoko aiṣedeede, ti o jẹ ki ikẹkọ akoko deede le.
Iru faaji nkankikan wo ni a lo nigbagbogbo bi eegun ẹhin fun SED?
Awọn CRNN so awọn fẹlẹfẹlẹ CNN pọ ti o mu awọn ilana igba-akoko pẹlu awọn ipele loorekoore ti o ṣe apẹẹrẹ ipo igba diẹ, apẹrẹ SED Ayebaye ni bayi nigbagbogbo darapọ mọ nipasẹ awọn oluyipada.
Aṣoju igbewọle wo ni o jẹ jijẹ deede sinu awoṣe wiwa iṣẹlẹ ohun?
Ohun afetigbọ nigbagbogbo jẹ iyipada si log-mel spectrogram, aworan igbohunsafẹfẹ-akoko kan ti awọn awoṣe ṣe itupalẹ fun awọn ilana acoustic.