Classification des événements audio environnementaux à l'aide de réseaux de neurones convolutifs CNN

Abstract

Avec la popularité de l'utilisation de modèles basés sur l'apprentissage profond (Deep learning) dans divers problèmes de classification et leur robustesse prouvée par rapport aux méthodes conventionnelles. Les performances des modèles existants utilisent des fonctionnalités auditives telles que les coefficients cepstrales de fréquence mel (MFCC) et le spectrogramme Log-Mel (LM) pour entraîner les réseaux de neurones profonds pour la classification sonore de l'environnement (ESC). Dans ce mémoire, nous proposons un réseau neuronal convolutif à 5 couches (CNN) pour l’entraîner sur un ensemble de données audios. On va prouver que les réseaux de neurones convolutifs CNN peuvent être appliqués avec succès dans la classification environnementale sonore (ESC) même avec des ensembles de données limités.