0 avis
Lightweight annotation and class weight training for automatic estimation of alarm audibility in noise.
(Annotation légère et poids de classe à l’apprentissage pour l'estimation automatique de l'audibilité des alarmes dans le bruit). Communication présentée à : 48th International Conference on Acoustics Speech and Signal Processing, IEEE ICASSP 2023. Rhodes, Grèce, 4-10 juin 2023.
Acte congres
Dans le but d'améliorer la santé et la sécurité au travail, cet article propose une approche pour évaluer l'audibilité des signaux acoustiques de danger. Elle est basée sur l'utilisation d'un classifieur binaire entraîné sur des données perceptuelles pour prédire l'audibilité d’alarmes acoustiques dans des clips audio. Le présent article, étudie dans un premier temps l'impact d’une procédure d'annotation flexible et du bruit qu’elle engendre sur les étiquettes des données d’entraînement sur les performances du modèle. Une procédure d'annotation plus légère lors de la formation permet d'atteindre une performance proche de celle de l'homme lorsque le modèle est testé. Par ailleurs, le choix du seuil de discrimination est un aspect crucial dans cette application car il peut avoir un impact direct sur la sécurité de l'utilisateur. Le poids des classes est analysé pour entraîner un modèle permettant une sélection plus robuste du seuil de discrimination, garantissant un faible taux de faux positifs.
Consulter en ligne
Suggestions
Du même auteur
