Всем привет ! Это наш последний блог о нашем проекте машинного обучения. На прошлой неделе мы поделились результатами используемых нами методов. На этой неделе, помимо них, делимся и некоторыми результатами.
Давайте начнем !
Мы применили алгоритм CNN к нашим амплитудным изображениям с измененным размером в градациях серого, и средний результат составил 0,35. На следующем изображении представлены веса первого слоя.
Затем мы попробовали другой классификатор, чтобы повысить точность. Мы взяли среднее значение функций mfcc и «chroma_stft», «chroma_cqt», «chroma_cens», «rms», «spectral_contrast», «spectral_bandwidth», «tonnetz», «zcr» и применили алгоритм дерева решений. Точность 0,35.
Затем мы использовали XGBoost в качестве классификатора. Результат этого алгоритма 0,40.
В заключение, мы работали со множеством алгоритмов, чтобы повысить успешность нашей модели. По всем результатам, лучшей моделью является CNN с функцией mfcc на входе.
Посмотреть видеопрезентацию можно здесь →
Спасибо за чтение !
Нур Алтыпармак - https://www.linkedin.com/in/nur-alt%C4%B1parmak-5722a9146/
Эдже Омуртай - https://www.linkedin.com/in/ece-omurtay/
Предыдущие сообщения:
Неделя 1 - https://medium.com/bbm406f19/week-1-introduction-557d0143e753
Неделя 2 - https://medium.com/bbm406f19/week-2-data-analysis-687ec86c0a71
Неделя 3 - https://medium.com/bbm406f19/week-3-audio-emotion-recognition-system-1e37a4991a48
Неделя 4 - https://medium.com/bbm406f19/week-4-audio-emotion-recognition-system-part-ii-ba8f24704db5
Неделя 5 - https://medium.com/bbm406f19/week-5-audio-emotion-recognition-system-part-iii-a4f6ee87f458