論文の概要: A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Environments

• arxiv url: http://arxiv.org/abs/2211.05944v1
• Date: Fri, 11 Nov 2022 01:33:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 16:49:01.088398
• Title: A Gait Triaging Toolkit for Overlapping Acoustic Events in Indoor Environments
• Title（参考訳）: 室内環境における音響イベントの重なり合う歩行トリアージツールキット
• Authors: Kelvin Summoogum, Debayan Das, Parvati Jayakumar
• Abstract要約: 本稿では,歩行検出のための機械学習モデルのトレーニングに適した歩行音声サンプルをトリアージする,機械学習に基づく新しいフィルタを提案する。 フィルタの有効性を示すため,高齢者から収集した歩行データセットに対して,フィルタを適用することなく深層学習モデルを訓練し,評価する。 提案フィルタは,屋内環境における高齢者の歩行検出モデルのトレーニングを行うため,歩行サンプルの手動アノテーションのタスクを自動化する。
• 参考スコア（独自算出の注目度）: 0.1933681537640272
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gait has been used in clinical and healthcare applications to assess the physical and cognitive health of older adults. Acoustic based gait detection is a promising approach to collect gait data of older adults passively and non-intrusively. However, there has been limited work in developing acoustic based gait detectors that can operate in noisy polyphonic acoustic scenes of homes and care homes. We attribute this to the lack of good quality gait datasets from the real-world to train a gait detector on. In this paper, we put forward a novel machine learning based filter which can triage gait audio samples suitable for training machine learning models for gait detection. The filter achieves this by eliminating noisy samples at an f(1) score of 0.85 and prioritising gait samples with distinct spectral features and minimal noise. To demonstrate the effectiveness of the filter, we train and evaluate a deep learning model on gait datasets collected from older adults with and without applying the filter. The model registers an increase of 25 points in its f(1) score on unseen real-word gait data when trained with the filtered gait samples. The proposed filter will help automate the task of manual annotation of gait samples for training acoustic based gait detection models for older adults in indoor environments.
• Abstract（参考訳）: gaitは、高齢者の身体的および認知的健康を評価するために、臨床および医療の応用に用いられてきた。 音響に基づく歩容検出は,高齢者の歩容データを受動的かつ非意図的に収集する有望な手法である。 しかし、家や介護施設の騒音の多い多音質音響シーンで操作できる音響ベースの歩行検知器の開発は限られている。 これは、現実世界からの高品質な歩行データセットが欠如していることによるものです。 本稿では,歩行検出のための機械学習モデルのトレーニングに適した歩行音声サンプルをトリアージ可能な,機械学習に基づく新しいフィルタを提案する。 フィルタは、f(1)スコア0.85のノイズサンプルを除去し、異なるスペクトル特徴と最小ノイズを有する歩行サンプルを優先することでこれを達成する。 フィルタの有効性を示すため,高齢者から収集した歩行データセットに対して,フィルタを適用することなく深層学習モデルを訓練し,評価する。 モデルは、フィルタされた歩行サンプルで訓練された場合、実単語の歩行データに対して、そのf(1)スコアの25ポイントの増加を登録する。 提案フィルタは,屋内環境における高齢者の歩行検出モデルのトレーニングを行うため,歩行サンプルの手動アノテーションのタスクを自動化する。

関連論文リスト

• Towards Open Respiratory Acoustic Foundation Models: Pretraining and Benchmarking [27.708473070563013]
  呼吸器オーディオは幅広い医療応用の予測力を持っているが、現在はまだ探索されていない。 OPERA(OPEn Respiratory Acoustic foundation model Pretraining and benchmarking system)を紹介する。
  論文  参考訳（メタデータ） (2024-06-23T16:04:26Z)
• Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
  Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。 RAFは密集した室内音響データを提供する最初のデータセットである。
  論文  参考訳（メタデータ） (2024-03-27T17:59:56Z)
• Combating Label Noise With A General Surrogate Model For Sample Selection [84.61367781175984]
  本稿では,視覚言語サロゲートモデルCLIPを用いて,雑音の多いサンプルを自動的にフィルタリングする手法を提案する。 提案手法の有効性を実世界および合成ノイズデータセットで検証した。
  論文  参考訳（メタデータ） (2023-10-16T14:43:27Z)
• NASTAR: Noise Adaptive Speech Enhancement with Target-Conditional Resampling [34.565077865854484]
  ターゲット条件再サンプリング(NASTAR)を用いた雑音適応音声強調手法を提案する。 NASTARはフィードバック機構を使用して、ノイズ抽出器と検索モデルを介して適応的なトレーニングデータをシミュレートする。 実験結果から,NASTARは1つの雑音のある音声サンプルを効果的に使用して,SEモデルを目標条件に適応させることができることがわかった。
  論文  参考訳（メタデータ） (2022-06-18T00:15:48Z)
• Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
  モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。 最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
  論文  参考訳（メタデータ） (2021-08-07T23:05:18Z)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• Exploring Self-Supervised Representation Ensembles for COVID-19 Cough Classification [5.469841541565308]
  そこで本研究では,新しい自己教師付き学習フレームワークを提案する。 非ラベルデータでトランスフォーマベースの特徴エンコーダを訓練するために、コントラストプレトレーニングフェーズを導入する。 提案したコントラスト事前学習,ランダムマスキング機構,アンサンブルアーキテクチャが,コークス分類性能の向上に寄与していることを示す。
  論文  参考訳（メタデータ） (2021-05-17T01:27:20Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19 [1.9899603776429056]
  研究者は、臨床設定で記録された音声サンプルを使用して新型コロナウイルス感染状態を検出するモデルを提示しました。 そこで本研究では,クラウドソースデータを用いて,手作業によるデータ処理やクリーン化を行わないマルチブランチ深層学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-02T15:31:09Z)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
  機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。 本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。 提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T23:56:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。