एमपीईजी-7 स्पेक्ट्रल आधार प्रतिनिधित्व पर आधारित ऑडियो वर्गीकरण

इस पत्र में, हम फिल्म सामग्री के विश्लेषण के लिए लक्षित एमपीईजी-7 आधारित ऑडियो वर्गीकरण और पुनर्प्राप्ति तकनीक प्रस्तुत करते हैं। इस तकनीक में निम्न-स्तरीय वर्णनकर्ता और उच्च-स्तरीय वर्णन योजनाएं शामिल हैं। निम्न-स्तरीय वर्णनकर्ताओं के लिए, ऑडियो स्पेक्ट्रम आधार वर्णनकर्ताओं के आधार पर ऑडियो स्पेक्ट्रम प्रक्षिप्ति जैसे निम्न-आयामी विशेषताओं का उत्पादन किया जाता है ताकि आयामों को कम करने और अधिकतम सूचना सामग्री बनाए रखने के बीच संतुलित समझौते को पाया जा सके। उच्च-स्तरीय वर्णन योजनाएं कम-आयामी विशेषताओं के मॉडलिंग, ऑडियो वर्गीकरण की प्रक्रिया, और पुनर्प्राप्ति का वर्णन करने के लिए उपयोग की जाती हैं। निरंतर छिपे हुए मार्कोव मॉडलों पर आधारित एक वर्गीकर्ता लागू किया गया है। ध्वनि मॉडल राज्य पथ, जिसे अधिकतम-संभावना मॉडल के अनुसार चुना जाता है, एक एमपीईजी-7 ध्वनि डेटाबेस में संग्रहीत किया जाता है और क्वेरी अनुप्रयोगों के लिए एक अनुक्रमांक के रूप में उपयोग किया जाता है। विभिन्न प्रयोग प्रस्तुत किए गए हैं जहाँ विभिन्न विशेषता निष्कर्षण विधियों के लिए वक्ता- और ध्वनि-पहचान दरों की तुलना की गई है। स्वतंत्र घटक विश्लेषण का उपयोग करते हुए, हमने वक्ता पहचान प्रणाली में सामान्यीकृत ऑडियो स्पेक्ट्रम लिपि और मुख्य घटक विश्लेषण की तुलना में बेहतर परिणाम प्राप्त किए। ऑडियो वर्गीकरण प्रयोगों में, ऑडियो ध्वनियों को चयनित ध्वनि श्रेणियों में वास्तविक समय में 96% सटीकता के साथ वर्गीकृत किया गया।