Спектрограмні ознаки для аналізу аудіо та мови
https://ift.tt/xkzFnUi
Спектрограмні представлені ознаки домінують у просторі ознак для систем аналізу аудіо за допомогою глибокого навчання і часто застосовуються також для аналізу мови. Спочатку головною мотивацією для спектрограмних представлень була їхня здатність подати звук як два виміри сигналу у площині часу–частоти, що не лише надає інтерпретовану фізичну основу для аналізу звуку, але й відкриває використання широкого спектра методів машинного навчання, таких як згорткові нейронні мережі, які були розроблені для обробки зображень. Спектрограма є матрицею, що характеризується роздільністю та діапазоном двох її вимірів, а також поданням та масштабуванням кожного елемента. Багато можливостей для цих трьох характеристик було досліджено дослідниками у різних сферах застосування, різні налаштування показували схильність до різних завдань. У цій статті розглядається використання спектрограмних представлень та оглядає стан справ на сьогоднішній день з метою поставити під сумнів, як вибір представлення переднього плану поєднується з архітектурою класифікатора на задньому плані для різних завдань.
HI-FI News
через Штучний інтелект https://ift.tt/GdxBr46
17 березня 2026 року о 05:01 ранку
March 17, 2026 at 05:01AM
Залишити відповідь