Desarrollo y evaluación de un sistema de identificación de audios no musicales ni habla, mediante el uso de modelos de aprendizaje profundo

Royo Emperador, Paula
Beltrán Blázquez, José Ramón (dir.)

Universidad de Zaragoza, EINA, 2024
Departamento de Ingeniería Electrónica y Comunicaciones, Área de Tecnología Electrónica

Máster Universitario en Ingeniería de Telecomunicación

Resumen: La identificación y clasificación de sonidos de habla y música ha avanzado y evolucionado mucho en los últimos años. Sin embargo, los eventos de sonido, que no se incluyen en esas dos categorías, siguen suponiendo un gran desafío. Lo cual se debe tanto a la variabilidad impredecible de los sonidos, como a la complejidad del etiquetado de los datos. Para abordar el problema se plantea un sistema compuesto de dos redes neuronales, un codificador y un clasificador, que en conjunto deben ser capaces de caracterizar y clasificar los audios de entrada. La investigación se divide en tres partes: tratamiento de bases de datos, adaptación del modelo de codificación y desarrollo de la clasificación de audio. Para la extracción de características, se propone emplear un modelo de codificación y decodificación preentrenado, empleando el codificador para la caraterización de los audios. Para ello se plantea el uso de modelos basados en '\textit{SoundStream}', que busca realizar representaciones eficientes de audio, mejorando así tanto la calidad del sonido como la capacidad de clasificación. El codificador se conectará a un clasificador neuronal, que es el encargado de analizar las características extraídas y asignarles etiquetas correspondientes a eventos específicos. En conjunto, se busca una arquitectura de codificación y clasificación que proporcione una solución innovadora al desafío planteado en este contexto específico.

Tipo de Trabajo Académico: Trabajo Fin de Master