Per vedere la Web Page Progetto WoT - Palumbo & Pierri

Classificazione Audio con Machine Learning

Questo progetto dimostra un sistema di classificazione audio utilizzando una rete neurale addestrata sul dataset UrbanSound8K. Il modello è in grado di classificare suoni ambientali come condizionatori, sirene, trapani, ecc.

Funzionalità

• Estrazione di Caratteristiche Audio: Il sistema estrae diverse caratteristiche audio, come MFCC, cromatiche, contrasto spettrale e altre dai file audio.
• Data Augmentation: Vengono applicate tecniche di aumento dei dati come pitch shift, time stretching e aggiunta di rumore per migliorare la generalizzazione del modello.
• Rete Neurale: Una rete neurale completamente connessa costruita con TensorFlow/Keras per classificare i segnali audio.
• Predizione: Il modello può essere utilizzato per prevedere la classe di un nuovo file audio.

Dataset

Il progetto utilizza il dataset UrbanSound8K, che contiene circa 8.000 file audio classificati in 10 diverse categorie di suoni urbani.

Requisiti

Per eseguire il progetto, sono necessari i seguenti pacchetti Python:

• numpy
• pandas
• librosa
• soundfile
• tensorflow
• scikit-learn

Puoi installare tutti i requisiti utilizzando il seguente comando:

pip install numpy pandas librosa soundfile tensorflow scikit-learn

Utilizzo

• Preparazione del Dataset: Scarica e posiziona il dataset UrbanSound8K nella cartella appropriata.
• Esecuzione del Codice: Esegui lo script Python per addestrare il modello e classificare i suoni.

python machine.py

Risultati

Il modello raggiunge una precisione di circa il 70% sulla classificazione dei suoni utilizzando le caratteristiche audio estratte e le tecniche di data augmentation.