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） 1、简介 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file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image002.gif 声音文件：本文中采用的数据是预存为wav格式的录音文件，主要来自The Harvard-Haskins Database of Regularly-Timed Speech、FestvoxCMU_ARCTIC Speech Database at Carnegie Mellon University 特征提取：利用R语言实现，可以使用R语言的warbleR包，本文中使用的是一个开源的R语言函数包（末尾会提供），它能提取出20个特征（特征如下图），本文末尾会提供一个已经通过此脚本处理好的3000多条特征文件，可以直接加载训练模型。file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image004.jpg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）python2rpy2（用来加载R函数，读取R语言的输出文件特征）pickle(模型保存)xgboost4 代码1 利用R语言脚本输出特征文件 import pandas as pdimport rpy2.robjects as robjectsfrom rpy2.robjects import r, pandas2riimport osos.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 #-*- coding:utf-8_*- import xgboost as xgbimport pandas as pdimport numpy as npimport sklearnimport pickleimport 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 = ]print colstrain =input_data.iloctest =input_data.iloctest_label =test['label']test_label =np.array(test_label).reshape([-1 , 1])del(test['label']) fold = 1for 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 x2 = train y1 = train['label'] y2 = train['label'] 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), ntree_limit=model.best_ntree_limit) else: pred = model.predict(xgb.DMatrix(test),ntree_limit=model.best_ntree_limit) pred /= foldpre_label =np.zeros(, 1])for i inrange(pred.shape): if pred >= 0.5: pre_label = 1 else: pre_label = 0 acc = np.mean(np.equal(pre_label,test_label).astype(np.float))print("the testacc 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 import xgboost as xgbimport pandas as pdimport numpy as npimport sklearnimport pickleimport pprintimport rpy2.robjectsas robjectsfrom rpy2.robjectsimport r, pandas2riimport osos.chdir('/home/qlmx') #get feature filedefget_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(, 1]) for i in range(pred.shape): if pred >= 0.5: pre_label = 1 else: pre_label = 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 ————————————————版权声明：本文为CSDN博主「QLMX」的原创文章，遵循CC4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/u011599639/article/details/78943810
页:
[1]