Audio event analysis method in network-based audio analytics systems

Abstract

Relevance. In the rapidly evolving field of network-based audio analytics systems, the detection and analysis of audio events play a crucial role across various applications, including security, healthcare, and entertainment. Subject. This paper examines a method for recognizing audio events in network-based audio analytics systems, including preprocessing, sound separation, and the creation of machine learning models for analyzing audio signals. Objective. The objective is to develop and improve integrated methods for analyzing audio signals in network-based audio analytics systems to enhance the accuracy, speed, and reliability of data analysis. Methods. The proposed approach uses a modified ResNet architecture for multi-event classification and a convolutional neural network for separating sound sources in multi-channel recordings. У стрімко розвиваючійся сфері мережевих систем аудіоаналітики виявлення та аналіз аудіоподій відіграють вирішальну роль у різних галузях, включаючи безпеку, охорону здоров'я та розваги. Предмет. У цій статті розглядається метод розпізнавання аудіоподій у мережевих системах аудіоаналітики, включаючи попередню обробку, поділ звуків і створення моделей машинного навчання для аналізу аудіосигналів. Мета. Метою є розробка та вдосконалення інтегрованих методів аналізу аудіосигналів у мережевих системах аудіоаналітики для підвищення точності, швидкості та надійності аналізу даних. Методи. Запропонований підхід використовує модифіковану архітектуру ResNet для класифікації кількох аудіоподій і згорткову нейронну мережу для розділення звукових джерел у багатоканальних записах.