Corso di formazione Classificazione audio e rilevamento eventi con ML

Fondamenti della classificazione audio

• Tipi di eventi sonori: ambientali, meccanici, generati dall'uomo
• Panoramica dei casi d'uso: sorveglianza, monitoraggio, automazione
• Classificazione audio vs rilevamento vs segmentazione

Dati audio ed estrazione delle caratteristiche

• Tipi e formati di file audio
• Tasso di campionamento, windowing, considerazione della dimensione del frame
• Estrazione di MFCC, caratteristiche cromatiche, mel-spettrograms

Preparazione dei dati e annotazione

• Dataset UrbanSound8K, ESC-50 e personalizzati
• Etichettatura degli eventi sonori e dei confini temporali
• Bilanciamento dei dataset e aumento dei dati audio (data augmentation)

Costruzione di modelli di classificazione audio

• Utilizzo di reti neurali convolutive (CNN) per l'audio
• Input del modello: forma d'onda grezza vs caratteristiche estratte
• Funzioni di perdita, metriche di valutazione e overfitting

Rilevamento degli eventi e localizzazione temporale

• Strategie di rilevamento basate su frame e segmenti
• Post-elaborazione dei rilevamenti utilizzando soglie e smoothing
• Visualizzazione delle previsioni su timeline audio

Argomenti avanzati ed elaborazione in tempo reale

• Transfer learning per scenari con pochi dati
• Distribuzione dei modelli con TensorFlow Lite o ONNX
• Elaborazione audio in streaming e considerazione della latenza

Sviluppo del progetto e scenari applicativi

• Progettazione di una pipeline completa: dall'ingestione alla classificazione
• Sviluppo di un proof-of-concept per sorveglianza, controllo qualità o monitoraggio
• Logging, allerte e integrazione con dashboard o API

Riepilogo e prossimi passi