从音频检测路面湿度：一种深度学习方法
机器学习
2015-12-07 v2 神经与进化计算
声音
摘要
我们引入了一种循环神经网络架构，用于从轮胎-路面相互作用的音频中自动检测路面湿度。我们方法的鲁棒性在 785,826 个音频片段上进行了评估，这些片段涵盖了广泛的车速、环境噪声、路面类型和路面状况，包括国际平整度指数（IRI）值从 25 in/mi 到 1400 in/mi。模型的训练和评估在不同的道路上进行，以最小化环境和其他外部因素对分类准确性的影响。我们在所有车速（包括 0 mph）上实现了 93.2% 的非加权平均召回率（UAR）。该分类器在 0 mph 时仍然有效，因为判别信号存在于其他驶过车辆的声音中。
引用
@article{arxiv.1511.07035,
title = {Detecting Road Surface Wetness from Audio: A Deep Learning Approach},
author = {Irman Abdić and Lex Fridman and Erik Marchi and Daniel E Brown and William Angell and Bryan Reimer and Björn Schuller},
journal= {arXiv preprint arXiv:1511.07035},
year = {2015}
}
备注
Under review in IEEE Signal Processing Letters