150 likes | 308 Views
In Kooperation mit. Dipl.-Ing. (FH) Oliver Schulte. Thema : Objektorientierte Realisierung eines Programms zur Erkennung von Vogelstimmen mit Hilfe Neuronaler Netze. Dipl.-Ing.(FH) Oliver Schulte. Gliederung. Aufgabenstellung der Diplomarbeit. Projekteinteilung. Vorverarbeitung
E N D
In Kooperation mit Dipl.-Ing. (FH) Oliver Schulte Thema : Objektorientierte Realisierung eines Programms zur Erkennung von Vogelstimmen mit Hilfe Neuronaler Netze Dipl.-Ing.(FH) Oliver Schulte
Gliederung • Aufgabenstellung der Diplomarbeit • Projekteinteilung • Vorverarbeitung • Modellierung der Klassifikation • Nachverarbeitung • Anwendung • Ausblick Dipl.-Ing.(FH) Oliver Schulte
Aufgabenstellung • Erstellung eines Programmes zur Erkennung von Vogelstimmen • Zu verwendende Mittel • Erstellung des Programmes in C++ mit Hilfe von UML • Fouriertransformation zur Signalanalyse • MultiLayerPerzeptron (mit Feedforward-Algorithmus) • Datenbasis • Rufe von 62 verschiedenen Vogelarten in321 Dateien mit 44,1KHz Samplerate Dipl.-Ing.(FH) Oliver Schulte
Projekteinteilung • Vorverarbeitung • Extraktion markanter Merkmale • Frequenzanalyse mit gefensterter Fouriertransformation • Klassifikation der extrahierten Merkmale • Formatieren der Merkmale als Eingangsdaten • Prognose durch das MLP • Nachverarbeitung • Aufbereitung der Ausgangsdaten des MLP • Ermittelung der Vogelart Dipl.-Ing.(FH) Oliver Schulte
Vorverarbeitung • Fragestellungen • Beschreibung repräsentativer Merkmale • Triggerung der Analyse • Nur 4 Datensätze pro Vogelart Dipl.-Ing.(FH) Oliver Schulte
Vorverarbeitung • Einteilung der Rufe in Worte • Ermöglicht die Triggerung der Datenanalyse • Erhöhung der Anzahl der Datensätze Dipl.-Ing.(FH) Oliver Schulte
Vorverarbeitung • Bei Überschreitung der Triggerschwelle im Zeitbereich wird die Analyse gestartet Dipl.-Ing.(FH) Oliver Schulte
Vorverarbeitung • Der Verlauf der Frequenzmaxima ist charakteristisch für die einzelnen Worte Dipl.-Ing.(FH) Oliver Schulte
Vorverarbeitung • Merkmalsextraktion • Einteilung der Worte in 10 Abschnitte • Ermittelung der lokalen Frequenzmaxima Dipl.-Ing.(FH) Oliver Schulte
Klassifikation • Klassifikation • MLP mit 41 Eingängen und 115 Ausgängen • Trainiert unter Verwendung von NN-Tool(Feedforward-Algorithmus) • Eingangsvektor • 2 Maxima pro Wortteil • 20 Mittelwerte aus dem Zeitbereich • Länge des Wortes in Sample • Ausgangsvektor • Einen Ausgang für jedes der 115 Worte Dipl.-Ing.(FH) Oliver Schulte
Klassifikation • Datenbasis • 11600 Datensätze(80% Lernset, 20% Testset) • Datenmatrix von 11600 x (41+115) Zahlenwerten • Netzstruktur • Durchschnittlich 20 Neuronen pro Ausgang • Ca. (41 x 20) + (115 x 20) Werte Dipl.-Ing.(FH) Oliver Schulte
Nachverarbeitung • Auswerten des Prognosevektors • Ermitteln des Wortes mit dem höchsten Prognoseergebnis • Verifizieren des Ergebnisses mit Hilfe der Wortlänge • Ermitteln der Vogelart • Zuordnung der prognostizierten Worte zur Vogelart • Ermittelung des Vogels aus der Häufigkeit des Vorkommens Dipl.-Ing.(FH) Oliver Schulte
Anwendung • Oberfläche der erstellten Anwendung Dipl.-Ing.(FH) Oliver Schulte
Ausblick • Vorverarbeitung • Multiskalenmethoden zur Signalanalyse • Berücksichtigung der Maximaformen • Einbeziehung der Maximawerte • Klassifikation • Untersuchung weiterer Netztopologien/ Klassifikationsalgorithmen • Nachverarbeitung • Verwendung von Kontextwissen (Region, Zeit,…) • Erweiterung der Vogelarterkennung Dipl.-Ing.(FH) Oliver Schulte
In Kooperation mit Ich danke Ihnen für Ihre Aufmerksamkeit! Dipl.-Ing.(FH) Oliver Schulte