所噪音事件的新数据集和模型
Ali Emre Öztürk1, Erkan Kıymık2, Kağan Mehmet Özkök3
1Department of Electrical and Electronics Engineering, Hasan Kalyoncu University, Gaziantep, Turkey. emre.ozturk@hku.edu.tr.
Scientific reports
|September 1, 2025
概括
这项研究引入了保护隐私的深度学习模型,用于卫生间卫生和用水事件的分类. 这种新的框架达到97.8%的准确性, 增强了智能监控系统.
科学领域:
- 人工智能
- 机器学习
- 环境监测
背景情况:
- 对于资源管理和公共卫生来说,对所卫生和用水事件的准确分类至关重要.
- 现有的方法往往缺乏隐私保护或细粒度事件检测能力.
研究的目的:
- 开发一个新的,保护隐私的深度学习框架,用于分类卫生间的细粒度和用水事件.
- 创建和发布一个全面的数据集,用于培训和评估这些模型.
主要方法:
- 使用不同浴室环境的立体声录音.
- 使用1D-CNN将音频转换为三通道的Mel光谱图.
- 采用RegNetY-008架构,具有半监督学习,伪标签和数据增强 (XY掩盖,水平CutMix).
- 开发了一个组合模型,结合多个RegNetY-008网络.
主要成果:
- 在声学上不同的环境中获得了97.8%的准确性和0.966的F1平均分数.
- 包括使用水龙头,冲洗所和洗手.
- 展示了强大的概括性能.
结论:
- 拟议的保护隐私的深度学习框架提供了对所事件的准确和强大的分类.
- 这一公开数据集将有助于未来的智能,隐私意识的所监控研究.
