Nuevo conjunto de datos y modelo para la clasificación de eventos de ruido en baños

Área de la Ciencia:

• Inteligencia artificial
• Aprendizaje automático
• Monitoreo del medio ambiente

Sus antecedentes:

• La clasificación precisa de los eventos de higiene y uso del agua en los baños es crucial para la gestión de los recursos y la salud pública.
• Los métodos existentes a menudo carecen de preservación de la privacidad o capacidades de detección de eventos de grano fino.

Objetivo del estudio:

• Desarrollar un nuevo marco de aprendizaje profundo que preserve la privacidad para clasificar los eventos de higiene y uso del agua en los baños.
• Crear y publicar un conjunto completo de datos para la formación y evaluación de dichos modelos.

Principales métodos:

• Utilizó grabaciones de audio estéreo de diversos entornos de baño.
• Transformó el audio en espectrogramas de Mel de tres canales usando un 1D-CNN.
• Empleó la arquitectura RegNetY-008 con aprendizaje semisupervisado, pseudoetiquetado y aumento de datos (enmascaramiento XY, CutMix horizontal).
• Desarrolló un modelo de conjunto que combina múltiples redes RegNetY-008.

Principales resultados:

• Logró una precisión del 97,8% y una puntuación F1 promedio de 0,966 en entornos acústicamente distintos.
• Robustamente identificó 11 eventos distintos, incluido el uso del grifo, el lavado del inodoro y el lavado de manos.
• Demostró un fuerte rendimiento de generalización.

Conclusiones:

• El marco de aprendizaje profundo propuesto para preservar la privacidad ofrece una clasificación precisa y sólida de los eventos de baño.
• El conjunto de datos a disposición del público facilitará la investigación futura en el monitoreo inteligente y consciente de la privacidad de los baños.