タグ付けされた質問 「machine-learning」

私は信号および画像処理、または多分コンピュータービジョン（まだ決定していません）の修士課程に登録することを楽しみにしており、この質問が浮上しました。 私の懸念は、ディープラーニングは特徴抽出と入力前処理をほとんど必要としないため、画像処理（または一般的な信号処理）を殺すことですか？ 私はディープラーニングの専門家ではありませんが、他の手法のような特徴ベクトルの代わりに画像を直接取得する認識および分類タスクで非常にうまく機能しているようです。 画像処理技術を使用して、従来の特徴抽出+分類アプローチの方が良い場合はありますか、またはこれはディープラーニングのために死にかけていますか？

52 image-processing  signal-analysis  computer-vision  machine-learning  deep-learning 

サウンドファイルから機能を抽出し、サウンドを特定のカテゴリ（犬の樹皮、車両エンジンなど）に属するものとして分類しようとしています。次のことについて明確にしたい： 1）これはまったく実行可能ですか？音声を認識し、さまざまな種類の犬の樹皮を区別できるプログラムがあります。しかし、音のサンプルを受け取り、それがどんな音なのかを言うことができるプログラムを持つことは可能ですか？（参照する多くのサウンドサンプルを含むデータベースがあると仮定します）。入力音のサンプルは、少しノイズが多い場合があります（マイク入力）。 2）最初のステップは音声特徴抽出だと思います。この記事では、MFCCを抽出し、それらを機械学習アルゴリズムに供給することを提案します。MFCCで十分ですか？一般的に音の分類に使用される他の機能はありますか？ お時間をいただきありがとうございます。

15 audio  mfcc  machine-learning  classification  sound-recognition