|
Title:
|
DESENVOLVIMENTO DE MODELOS DE APRENDIZADO DE MÁQUINA PARA QUANTIFICAR ATORES PRESENTES EM CENAS ACÚSTICAS |
|
Author(s):
|
Paulo Henrique de Sousa, Thiago Medeiros de Menezes, Ana Paula Carvalho Cavalcanti Furtado e Péricles Barbosa Cunha de Miranda |
|
ISBN:
|
978-989-8704-45-0 |
|
Editors:
|
Paula Miranda, Cristiano Costa e Flávia Maria Santoro |
|
Year:
|
2022 |
|
Edition:
|
Single |
|
Keywords:
|
Classificação de Cenas Acústicas, Redes Neurais, Aprendizado de Máquina, Inteligência Artificial |
|
Type:
|
Full Paper |
|
First Page:
|
137 |
|
Last Page:
|
144 |
|
Language:
|
English |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
Considerando a classificação de cenas acústicas (CCA) como um meio para identificar características do som ambiente através de aprendizado de máquina (AM) e, diante do alto índice de violência contra a mulher, objetiva-se criar um dataset sintético de áudios para aplicar cinco arquiteturas de redes neurais convolucionais (RNC) e tratar o problema de contagem de locutores presentes em cenas acústicas envolvendo discussões que podem evoluir para agressões. Para tanto, procedeu-se à metodologia CRISP-DM para construir um dataset com diálogos sintéticos para treinar os cinco modelos. Observa-se que foi possível obter resultados satisfatórios na avaliação dos modelos conforme os resultados para a métrica f1-score: 95% Modelo Sequencial; 88% MobileNet; 86% GoogleNet e 86% ResNet. O que permite concluir que a CCA por meio de RNC é adequada para o propósito deste trabalho de quantificar os envolvidos numa discussão entre possíveis vítimas e agressores. |
|
|
|
|
|
|
