AutoML Vision と RasPi でリビングのいろいろな音を認識する

Cloud AutoML Vision は、画像とその分類ラベルをクラウドにアップロードするだけで画像認識の機械学習モデルを作成できるサービス。ラーメン二郎のどんぶり画像から 95% 精度で店舗を当てたりできる高性能だけど、機械学習のディープな知識や経験がなくても使える。 で、これでまず試してみたかったのが、音の認識だ。画像じゃなくて音。 2 年くらい前に、画像認識用の CNN を使って音声を認識する論文が Microsoft Research から出てて、へぇーっと思った。スペクトログラムっていう、よく犯罪捜査で出てくる声紋のアレを使って音を画像にして、その模様から音の特徴を認識する。 CNN で音声認識（Microsoft Research）なるほどなあ。。つまり、世の中のどんなデータでも、捉えたい特徴を画像の特徴として表せれば、画像認識で識別できる……ってことだ。 そして、AutoM

[mabushii_sign]

音声を画像化してAutoMLで学習、認識出来るのは面白い

[iboggy]

autoML気になってきた。

[nagayama]

おもしろいなー

[reharmonize]

スペクトログラムの画像を水増しするなら音量よりフォルマント変えたほうが効果ありそう

[satosssi]

音声→スペクトログラム画像→AutoMLという流れか、なるほどぅ

[mattn]

追加学習もやるとすごいモデルが出来そう。やりたい。

[cho45]

すごい！ やりたい！！

[sugyan]

4日くらいで作れちゃうの、すご

[stealthinu]

非常にお手軽に家庭の音から何の音かを認識して表示してくれるというガジェットを作った話。学習と認識にはGCPのAutoML Visionを使用して音をスペクトラムにして認識させてると。

[june29]

音声も画像化すれば画像の識別器でなんとかなるってことか。おもしろいな〜！

[witchstyle]

(2018/01/08公開のエントリ) ラズパイで拾った音を sox でスペクトグラムに変換し、それを画像として AutoML Visonに学習させて、音声認識に利用する。