前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >让机器听声音识别男女(机器学习的方法)

让机器听声音识别男女(机器学习的方法)

原创
作者头像
qlmx
修改2019-12-13 18:39:23
1.9K0
修改2019-12-13 18:39:23
举报
文章被收录于专栏:AI成长社

1、简介

代码语言:txt
复制
人能够很容易的听出说话人的性别,我们能不能让机器也像人一样,听声辨别性别?这个答案是肯定的,特别是随着人工智能算法的发展,识别性能是不断的提升。本实验就是通过声音识别男女性别。主要分为三个部分,第一是对声音文件进行特征提取,第二是通过机器学习方法建立男女性别分类模型,第三则是加载模型进行声音文件测试。

2、主体框架

声音辨识框图
声音辨识框图
声音
声音
  • 算法:本文中采用的是xgboost算法,测试准备率可达98%以上。
  • 模型保存:为了方便测试使用,将训练得到的参数,保存下来,只用训练一次,测试时只需加载参数即可。

3、 所需环境

  • R语言(本文是在linux系统进行)
  • python2
    • rpy2(用来加载R函数,读取R语言的输出文件特征)
    • pickle(模型保存)
  • xgboost

4 代码

1 利用R语言脚本输出特征文件

代码语言:txt
复制
import pandas as pd
import rpy2.robjects as robjects
from rpy2.robjects import r, pandas2ri
import os
os.chdir('home/qlmx')

data_list = []

#获取特征文件
def get_feature(fname):
    pandas2ri.activate()
    robjects.r.source('feature_extract.R')  	#利用rpy2读取R脚本
    data_read = robjects.r.processFolder(fname) #得到数据文件
    data_read = pandas2ri.ri2py(data_read)		#转化为python可以使用的数据
    return data_read

if __name__ == '__main__':
    file_name_list = os.listdir('data')			#存放.wav格式声音的文件夹
    for file_name in file_name_list:
	data = get_feature(file_name)
        data_list.append(data)
    result = pd.concat(data_list)			
    result['label'] = 'male'
    result.to_csv("male.csv", index=False)
    #result['label'] = 'female'
    #result.to_csv("female.csv", index=False)

注:该文件主要是用来构造训练过程中的特征文件,需要人为的标定male或者female。对生成的male.csv和female.csv文件再合并成为train.csv文件,用于训练。

2 获得训练model

代码语言:txt
复制
#-*- coding:utf-8 _*-  

import xgboost as xgb
import pandas as pd
import numpy as np
import sklearn
import pickle
import pprint

def xgb_score(preds, dtrain):
    labels = dtrain.get_label()
    return 'log_loss', sklearn.metrics.log_loss(labels, preds)


input_data = pd.read_csv('train.csv')
input_data = input_data.sample(frac=1) 
gender = {'male' : 0, 'female' : 1}
input_data['label'] = input_data['label'].map(gender)
cols = [c for c in input_data.columns if c not in ['label']]
print cols
train = input_data.iloc[0 :3300]
test = input_data.iloc[3300 : ]
test_label = test['label']
test_label = np.array(test_label).reshape([-1 , 1])
del(test['label'])

fold = 1
for i in range(fold):
    params = {
        'eta': 0.01, #use 0.002
        'max_depth': 5,
        'objective': 'binary:logistic',
        'eval_metric': 'logloss',
        'lambda':0.1,
        'gamma':0.1,
        'seed': i,
        'silent': True
    }
    x1 = train[cols][0:3000]
    x2 = train[cols][3000:]
    y1 = train['label'][0:3000]
    y2 = train['label'][3000 : ]
    watchlist = [(xgb.DMatrix(x1, y1), 'train'), (xgb.DMatrix(x2, y2), 'valid')]
    model = xgb.train(params, xgb.DMatrix(x1, y1), 1500,  watchlist, feval=xgb_score, maximize=False, verbose_eval=50, early_stopping_rounds=50) #use 1500
    if i != 0:
        pred += model.predict(xgb.DMatrix(test[cols]), ntree_limit=model.best_ntree_limit)
    else:
        pred = model.predict(xgb.DMatrix(test[cols]), ntree_limit=model.best_ntree_limit)
        
pred /= fold
pre_label = np.zeros([pred.shape[0], 1])
for i in range(pred.shape[0]):
    if pred[i] >= 0.5:
        pre_label[i] = 1
    else:
        pre_label[i] = 0

acc = np.mean(np.equal(pre_label, test_label).astype(np.float))
print("the test acc is:", acc)

model_save = open('model.pkl', 'wb')    #保存模型
pickle.dump(model, model_save)
model_save.close()

3 测试声音

代码语言:txt
复制
import xgboost as xgb
import pandas as pd
import numpy as np
import sklearn
import pickle
import pprint
import rpy2.robjects as robjects
from rpy2.robjects import r, pandas2ri
import os
os.chdir('/home/qlmx')

#get feature file
def get_feature(fname):
    pandas2ri.activate()
    robjects.r.source('feature_extract.R')
    data_read = robjects.r.processFolder(fname)
    data_read = pandas2ri.ri2py(data_read)
    return data_read

if __name__ == '__main__':
    data_list = []
    model_save = open('model.pkl', 'rb')
    model = pickle.load(model_save)
    model_save.close()

    file_name_list = os.listdir('data')				#读取声音文件
    for file_name in file_name_list:
        data = get_feature(file_name)
        data_list.append(data)
    test = pd.concat(data_list)
   
    pred = model.predict(xgb.DMatrix(test), ntree_limit=model.best_ntree_limit)
    print pred
    pre_label = np.zeros([pred.shape[0], 1])
    for i in range(pred.shape[0]):
        if pred[i] >= 0.5:
            pre_label[i] = 1
        else:
            pre_label[i] = 0
    num = 0
    tlen = len(pre_label)
    for i in pre_label:
        num += i
    print 'female is;'+str(num)
    print 'male is:'+str(tlen-num)
    print (tlen-num)/tlen
    print num/tlen        

链接:特征文件和R语言脚本

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1、简介
  • 2、主体框架
  • 3、 所需环境
  • 4 代码
相关产品与服务
数据库
云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档