FOR 2457 – Unüberwachte akustische Ereignisdetektion und Szenenklassifikation auf Sensornetzwerken (Teilprojekt)

Ein grunds?tzliches Problem für viele maschinelle Lernverfahren ist eine Diskrepanz zwischen den Trainingsdaten und den Testdaten in einer sp?teren Anwendung, welche zu einem signifikanten Einbruch der Klassifikationsrate führen kann. Bei der akustische Ereignisdetektion und Szenenklassifikation in akustischen Sensornetzen tritt dieses Problem versch?rft auf, weil es eine sehr gro?e Zahl m?glicher Ger?usche gibt und weil solche Netze in ganz unterschiedlichen geometrischen Konfigurationen und Umgebungen eingesetzt werden k?nnen. Aus diesem Grund werden die existierenden Datenbasen zur akustischen Ereignis- und Szenenklassifikation praktisch nie perfekt zu einer neuen Anwendung in einem akustischen Sensornetz passen.Das Hauptziel dieses Projektes ist es daher, Methoden zu entwickeln, die es erm?glichen, vorhandene Datenbasen trotz dieser Diskrepanz für konkrete Audioklassifikationsaufgaben in einem akustischen Sensornetz verwendbar zu machen. Wir nehmen an, dass schwach, d.h. nur mit der Ereignisklasse, nicht jedoch mit Zeitstempeln annotierte Daten von einer anderen Dom?ne vorhanden sind, und dass nichtannotierte Daten von der Zieldom?ne vorliegen. Es werden nun Verfahren entwickelt, um aus einer schwachen Annotation eine starke Annotation zu berechnen, in der zus?tzlich Anfangs- und Endzeiten von akustischen Ereignissen annotiert sind, um dom?neninvariante Merkmale zu berechnen, sowie Verfahren, um eine Dom?nenadaption durchzuführen, um auf diese Weise Unterschiede zwischen Trainingsdaten und Testszenario zu überwinden. Wir untersuchen dabei auch eine Adaption zum Testzeitpunkt, um sich an ver?nderte akustische Umgebungen und Sensorkonfigurationen anzupassen. Dabei sollen vor allem tiefe generative neuronale Modelle zum Einsatz kommen. Geeignete Netzstrukturen und Zielfunktionen sind zu enwickeln, um die verschiedenen Einflussfaktoren auf die beobachtete Signalform voneinander zu trennen, insbesondere die von dem akustischen Ereignis hervorgerufene Variation von der durch die Umgebung hervorgerufenen Variation des Signals. Weiterhin werden wir Verfahren entwickeln, um ungew?hnliche akustische Ereignisse erkennen zu k?nnen, denn diese k?nnen für eine konkrete Anwendung von besonderer Bedeutung sein.

DFG-Verfahren Forschungsgruppen

Teilprojekt zu FOR 2457: Akustische Sensornetze

Mitverantwortlich Professor Dr.-Ing. Rainer Martin