Natural Audio Data Augmentation Techniques

Künstliche Vergrößerung von Datensätzen, ein Prozess, der auch als Data Augmentation bekannt ist und dazu dient, ein maschinelles Lernmodell zu trainieren und zu bewerten, wird seit langem angewendet und erforscht. Diese Arbeit befasst sich mit einem Problem der Data Augmentation im Bereich der Audioverarbeitung. Die Anwendung von Techniken zur Data Augmentation auf Tonaufnahmen ist ein Forschungsbereich, der bisher weitgehend unerforscht ist. Viele frühere Arbeiten stützen ihre Ansätze auf Erkenntnisse aus anderen Bereichen, wie zum Beispiel der Bildverarbeitung (Computer Vision). Andere wenden oft allgemeine Transformationen an, die in der Signalverarbeitung bekannt sind. Insbesondere fehlt es in der bisherigen Forschung an einem Verständnis für natürliche oder Umwelttransformationen, die während des Aufnahmevorgangs an einem Tonsignal auftreten. Dieses Thema wird in dieser Arbeit behandelt. Bei der Lösung eines typischen Problems der Audio-Klassifikation, bei dem Klänge entsprechend ihrer Quellen gekennzeichnet werden, werden mehrere neue Techniken zur Data Augmentation für Audio vorgeschlagen und mit bestehenden Praktiken verglichen. Als Ergebnis werden zuverlässige Metriken erzielt, die mit vorherigen Arbeiten vergleichbar sind. Die vorgeschlagenen Techniken stehen öffentlich zur Verfügung. Darüber hinaus werden Vorschläge für weitere Forschungsbereiche gemacht.

Grantor dc:publisher

Humboldt-Universität zu Berlin

Year dc:date.issued

2024

Author dc:creator

• Stankov, Ivan

• Data Augmentation
• Audio
• Maschinelles Hören
• Maschinelles Lernen
• Machine Learning
• Machine Hearing

Statement dc:rights

• (CC BY-SA 4.0) Attribution-ShareAlike 4.0 International

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-sa/4.0/

Language dc:language.iso

eng

DOI

https://doi.org/10.18452/28010

OAI record oai:identifier

https://edoc.hu-berlin.de/server/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Aedoc.hu-berlin.de%3A18452%2F28837