基于深度神经网络的实际环境中无人机声音检测的实证研究
声音
2017-01-23 v1 机器学习
摘要
本工作旨在研究利用深度神经网络通过分析声音数据来检测实际环境中的商用爱好无人机。工作的目的是为检测用于恶意目的（例如恐怖主义）的无人机系统做出贡献。具体地，我们提出了一种能够将商用爱好无人机的存在检测作为基于声音事件检测的二分类问题的方法。我们录制了几种流行商用爱好无人机产生的声音，然后用多样的环境声音数据增强该数据，以弥补不同环境中无人机声音数据的稀缺性。我们研究了最先进的事件声音分类方法，即高斯混合模型 (GMM)、卷积神经网络 (CNN) 和循环神经网络 (RNN)，对于无人机声音检测的有效性。我们的经验结果是在城市街道上收集的测试数据集获得的，证实了这些模型在真实环境中运行的有效性。总之，我们的 RNN 模型表现出最佳检测性能，在 240 ms 输入音频和较短处理时间下 F-Score 达到 0.8009，表明它们适用于实时检测系统。
引用
@article{arxiv.1701.05779,
title = {Empirical Study of Drone Sound Detection in Real-Life Environment with Deep Neural Networks},
author = {Sungho Jeon and Jong-Woo Shin and Young-Jun Lee and Woong-Hee Kim and YoungHyoun Kwon and Hae-Yong Yang},
journal= {arXiv preprint arXiv:1701.05779},
year = {2017}
}
备注
IEEE 5 Pages, Submitted