Lydgenkendelse

Lydgenkendelse er processen, hvor mennesker eller maskiner identificerer og klassificerer lyde i et lydsignal. Hos mennesker omfatter det auditive færdigheder som lydkilders adskillelse gennem auditive sceneanalyse og mønstergenkendelse baseret på erfaring. Hos maskiner betegner lydgenkendelse automatiseret identifikation af lydkilder og begivenheder i optagede eller strømmede lyddata, for eksempel motorlyde, fuglesang, alarmer eller musik. Lydgenkendelse er bredere end talegenkendelse, som specifikt fokuserer på at omdanne tale til tekst.

Metoderne omfatter forbehandling af lyden, ekstraktion af funktioner som spektrogrammer og MFCC'er (mel-frekvens-cepstrale koefficienter), samt klassificeringsteknikker. Traditionelle metoder inkluderer KNN, SVM og Random Forest, mens moderne løsninger ofte er baseret på dyb læring med CNN'er, RNN'er/LSTM'er eller Transformer-arkitekturer. End-to-end-systemer kan arbejde direkte på rå lyd eller på lette repræsentationer som mel-spektrogrammer. Store lyddata til træning kommer fra datasets som ESC-50, UrbanSound8K og AudioSet. Evalueringsmål inkluderer nøjagtighed, F1-score, præcision, recall og fordeling af forvekslede klasser. Realtidsbehandling og lav latens er vigtige krav i mange applikationer.

Anvendelser omfatter miljølydsovervågning og sikkerhed, musikgenkendelse og lydsøgning i medier, smart home-enheder og bilindustriens støj- og alarmsystemer samt sundhedsmonitorering (for eksempel hoste- eller åndedrætsmønstre). Udfordringer inkluderer støj og overlappende lyde, varierende optagelsesforhold og mangel på tilstrækkelige, mangfoldige data til alle klasser. Der er også privatlivs- og etiske overvejelser ved optagelse og analyse af lyd i offentlige og arbejdsforhold. Fremtidige retninger omfatter bedre generalisering gennem selv-supervised og transfer learning samt kantberegning og teknikker til privatlivsbeskyttelse.