تشخیص صدای زن و مرد با شبکه عصبی و ماشین بردار پشتیبان در opencv

در این پروژه با استفاده از الگوریتم های شبکه عصبی و ماشین بردار پشتیبان (svm) جنسیت را از روی صدا تشخیص می دهیم.

برای تشخیص صدای زن و مرد از دیتاستی شامل ۳۱۰۰ نمونه استفاده کرده ایم، ۱۸۰۰ نمونه را برای آموزش و ۳۰۰ نمونه را نیز برای تست بکار برده ایم. هر نمونه دارای ۲۰ ویژگی است که عبارتند از :

meanfreq: mean frequency (in kHz)
sd: standard deviation of frequency
median: median frequency (in kHz)
Q25: first quantile (in kHz)
Q75: third quantile (in kHz)
IQR: interquantile range (in kHz)
skew: skewness (see note in specprop description)
kurt: kurtosis (see note in specprop description)
sp.ent: spectral entropy
sfm: spectral flatness
mode: mode frequency
centroid: frequency centroid (see specprop)
meanfun: mean fundamental frequency measured across acoustic signal
minfun: minimum fundamental frequency measured across acoustic signal
maxfun: maximum fundamental frequency measured across acoustic signal
meandom: mean of dominant frequency measured across acoustic signal
mindom: minimum of dominant frequency measured across acoustic signal
maxdom: maximum of dominant frequency measured across acoustic signal
dfrange: range of dominant frequency measured across acoustic signal
modindx: modulation index

در این پروژه از دو دسته بند شبکه عصبی و ماشین بردار پشتیبان برای تشخیص استفاده کرده ایم. شبکه عصبی را با سه لایه شامل لایه ورودی با ۲۰ نرون، لایه پنهان با ۴۰ نرون و لایه خروجی با ۲ نرون آموزش داده ایم، svm را نیز با تایع هسته غیر خطی RBF آموزش داده ایم. بعد از دانلود پروژه می توانید تعداد لایه ها و نرون ها در شبکه عصبی و تابع هسته در svm را به دلخواه تغییر دهید.

 

ویژگی های این پروژه عبارتند از:

  • برنامه نویسی با زبان c++ در محیط visual studio 2017
  • استفاده از کتابخانه opencv
  • تشخیص با استفاده از شبکه عصبی (neural network)
  • تشخیص با استفاده از ماشین بردار پشتیبان (support vector machine)
  • تنظیمات opencv به صورت پیش فرض در برنامه انجام شده است
  • توضیح کامل برنامه در سورس کد به صورت کامنت جهت درک بهتر

سورس پروژه های موجود در درس دانلود در زمینه یادگیری ماشین و هوش مصنوعی را می توانید از اینجا مشاهده کنید.

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

دیدگاهی بنویسید

0