Clasificación de Audio y Detección de Eventos con ML

Fundamentos de la Clasificación de Audio

• Tipos de eventos sonoros: ambientales, mecánicos, generados por humanos.
• Vista general de casos de uso: vigilancia, monitoreo, automatización.
• Clasificación vs detección vs segmentación de audio.

Datos de Audio y Extracción de Características

• Tipos de archivos y formatos de audio.
• Consideraciones sobre frecuencia de muestreo, enventanado y tamaño de cuadro.
• Extracción de MFCC, características de cromatografía y mel-espectrogramas.

Preparación y Anotación de Datos

• Conjuntos de datos UrbanSound8K, ESC-50 y personalizados.
• Etiquetado de eventos sonoros y límites temporales.
• Balanceo de conjuntos de datos y aumento de audio.

Construcción de Modelos de Clasificación de Audio

• Uso de redes neuronales convolucionales (CNN) para audio.
• Entrada del modelo: forma de onda cruda vs características extraídas.
• Funciones de pérdida, métricas de evaluación y sobreajuste.

Detección de Eventos y Localización Temporal

• Estrategias de detección basadas en cuadros y segmentos.
• Post-procesamiento de detecciones mediante umbrales y suavizado.
• Visualización de predicciones en líneas de tiempo de audio.

Temas Avanzados y Procesamiento en Tiempo Real

• Aprendizaje por transferencia para escenarios con pocos datos.
• Implementación de modelos con TensorFlow Lite o ONNX.
• Procesamiento de audio en flujo continuo y consideraciones de latencia.

Desarrollo de Proyectos y Escenarios de Aplicación

• Diseño de una tubería completa: desde la ingesta hasta la clasificación.
• Desarrollo de un concepto de demostración para vigilancia, control de calidad o monitoreo.
• Registro de eventos, alertas e integración con paneles de control o API.

Resumen y Próximos Pasos