Google hat Daten und ein Modell für maschinelles Lernen veröffentlicht, um Geräusche zu trennen.

Google die eine umfassende Datenbank mit beispielhaften Mischgeräuschen, die mit Annotationen versehen ist und in maschinellen Lernsystemen zur Trennung beliebiger Mischgeräusche in einzelne Komponenten verwendet werden kann. Außerdem wurde ein universelles Modell für tiefes maschinelles Lernen (TDCN++) veröffentlicht, das in TensorFlow zur Geräuschestrennung eingesetzt werden kann. Die Daten basieren auf einer Sammlung freesound.org und sind veröffentlicht unter der Lizenz CC BY 4.0.

Das vorgestellte Projekt FUSS (Free Universal Sound Separation) zielt darauf ab, das Problem der Trennung beliebiger Geräusche zu lösen, deren Eigenschaften im Voraus nicht bekannt sind. Andere ähnliche Systeme sind in der Regel auf die Trennung spezifischer Geräusche beschränkt, beispielsweise Sprache und Nicht-Sprache oder verschiedene sprechende Personen.

Die Datenbank umfasst etwa 20.000 Mischungen. Das Set enthält auch vorab berechnete Impulsantworten von Räumen, die mithilfe eines eigens entwickelten Raum-Simulators erstellt wurden und Reflexionen von Wänden, die Position der Schallquelle und den Standort des Mikrofons berücksichtigen.

Quelle: opennet.ru