Auf Basis der Vorarbeiten zur Klassifikation von Vogelgesängen basierend auf neuronalen Faltungsnetzen (CNNs — Convolutional Neural Networks) gelang es uns in einem eigens dafür aufgebauten Audio-Datensatz einen Algorithmus zu entwickeln, der es erlaubt über 94 Klassen aus dem Bereich assistiertes Leben (AAL) automatisiert zu erkennen. Dazu gehören die Kategorien Musik, Tiere, menschliche Geräusche und heimische/Innenraumgeräusche. Die Güte der Klassifikation ist mit über 82% Accuracy vergleichbar mit den Spitzenwerten anderer Benchmarks aus dem Bereich Geräusch/Audioklassifikation. Die Ergebnisse wurden erfolgreich bei Top-Level A‑Konferenz ACM Multimedia eingereicht und werden dort in diesem Herbst in Nizza im Rahmen eines Demonstrators vorgestellt [1]. Das Demo-Video kann unter https://youtu.be/PpiL89t9_kY eingesehen werden.
Top-Scores bei der Geräusch-Klassifikation aus dem Themenfeld Ambient-Assisted Living (AAL)
[1]
A. Sampath-Kumar, R. Erler, and D. Kowerko, “A Real-Time Demo for Acoustic Event Classification in Ambient Assisted Living Contexts (accepted),” presented at the ACM Multimedia 2019, 2019, pp. 1–5.
Projektgeber
LocalizeIt wird durch das Bundesministerium für Bildung und Forschung BMBF und die BMBF Innovationsinitiative Unternehmen Region von August 2014 bis Juli 2019 gefördert und durch den Projektträger PtJ betreut.
Projektnehmer
localizeIT ist ein Projekt der
Stiftungsjuniorprofessur Media Computing und der Professur Medieninformatik der Technischen Universität Chemnitz
Forschungspartner
Kommentare