Я ищу простой и понятный пример классификации 1-D сигналов (например, речевого сигнала) на основе CNN с использованием Caffe.Классификация одномерного сигнала на основе CNN с использованием Caffe
С сайта Caffe можно ознакомиться с некоторыми примерами и учебными пособиями, которые представляют собой задачи классификации изображений. Вместо этого я ищу пример и руководство по 1-D сигналам.
Ваши ответы действительно оценены.
Концептуально нет существенной разницы между работой с данными 1D и данными 2D. Вам понадобится база данных, где вместо 2D-изображений у вас будут 1D «изображения» формы (каналы: 1, высота: 1, ширина: d) и убедитесь, что все ядра используют kernel_w и kernel_h вместо kernel_size (который устанавливает ядро в квадратную форму).
Если вы ищете пример архитектуры, которую вы можете использовать, вы можете ознакомиться с этой статьей для обучения CNN по необработанным речевым данным формы сигнала: Speech Acoustic Modeling from Raw Multichannel Waveforms.
Существует также an open issue on Caffe's Github page, запрашивающий пример для домена речи, с дополнительными ссылками на потенциальные реализации, на которые вы можете посмотреть.