audio - 关于环境声音分类的分类方法和机器学习模型的建议

Question

我目前对环境声音分类有疑问。我想使用“音频分类”来检测特定类型的串音(确实有很大不同，而且很容易被人耳区分)。但是可能会发生其他类型的串音，这对我来说并不重要，即我所需要的只是不将它们归类为我的“特定类型的串音”。

我现在尝试使用GMM＆LFCC进行分类。所有LFCC都从该类型的串音中训练出一个GMM模型，而所有其他LFCC(从某种非碰撞环境中的声音中或从我不想要的其他类型的碰撞中)得到一个GMM模型。当前的性能非常差，召回率很高，但精度却非常低。我发现，虽然我的“特定声音类型”的GMM模型在没有发生声音类型时会给出非常低的概率，但是如果我想要的声音之外的其他所有声音的另一种GMM模型也能给出低概率这就是所有其他类型的碰撞正在发生的情况。

对于这种情况，我应该切换到其他模型，例如ANN或SVM，还是需要添加更多的GMM模型？例如，我在考虑将GMM_1用于所需的碰撞类型，将GMM_2用于其他类型的碰撞，将GMM_3用于其他类型的碰撞。但是我很难获得“所有其他类型的碰撞”，而且我不确定这种方式是否确实会提高准确性。

Answer 1

好吧，我必须回答我自己的问题。这些天，我以我在问题中提到的方式使用具有三个GMM的模型进行了一些测试。它仍然可以正常工作。如果我有更多的训练数据，我有信心可以达到90％以上的准确性。