Когда мы слышим слово «Начало», первое, что приходит в голову, - это научно-фантастический триллер «Начало». Здесь это модель классификации изображений с открытым исходным кодом, разработанная и поддерживаемая Google. Inception - одна из лучших моделей классификации изображений. Он обучен на 1000 классах объектов, следовательно, он может распознавать 1000 типов объектов. При необходимости мы можем повторно обучить последний слой Inception с нашим набором данных. Так что это вызвало у меня любопытство, и я начал пачкать руки с Inception. Я пробовал тренировать Inception со своим имиджем и имиджем моего друга. Он так хорошо нас узнал. Я был удивлен. Даже я пробовал это с некоторыми сложными шаблонами проектирования, но процент успеха все равно составил более 90%.
Проведя свои эксперименты с моделью Inception, я пришел к выводу, что она может превзойти человеческий интеллект в классификации изображений, но не до этого последнего эксперимента. Я собрал немного поп-музыки и классической музыки. Я построил спектрограмму. А затем я обучил модель Inception с этими спектрограммами. Если вы когда-либо видели спектрограмму, вы можете представить, насколько сложно будет найти образец из набора спектрограмм. Человеку это сделать практически невозможно. После обучения модели я протестировал ее, и на удивление она дала правильные прогнозы. Хотите верьте, хотите нет, но начальную модель Google можно использовать и для классификации аудио. Вам просто нужно выполнить 3 шага.
- Соберите аудиофайлы
- Сгенерировать спектрограммы
- Обучите модель с помощью спектрограмм
Я знаю, что вы не поверите мне, если сами не увидите результатов. Итак, я создал проект в моем репозитории Github. Вы можете клонировать код оттуда и начать экспериментировать. Я сделал образец проекта по распознаванию голоса доктора APJ Абдула Калама и Шаши Тарура. Я просто вытащил 2 выступления их обоих с YouTube в формате mp3 и провел некоторую обработку данных. Проект написан на Python. Более подробную информацию можно получить здесь.
Удачного кодирования !!
