Pour un client confidentiel, nous utilisons l’analyse des vibrations sonores pour la surveillance. Nous appliquons des modèles de Machine Learning avancés, comme les RNN et les LSTM, avec les bibliothèques Python Librosa, Keras et TensorFlow.
Le besoin
- La surveillance par l’analyse des vibrations sonores.
Contraintes
- Le son est une forme d’onde (une valeur d’amplitude dans le temps). C’est un format de donnée très fortement déstructuré (par rapport à un tableau .csv par exemple) , nécessite des traitements supplémentaires et particuliers pour être utilisable avec des modèles classiques de Machine Learning.
- Le son a une emprise temporelle dont il faut tenir compte.
- La plupart des modèles de machine learning ne permettent pas de tenir compte de ces aspects temporels (Random Forest, Linear Regression, SVM ou même FeedForward Neural Network).
Prestations réalisées
Mise en œuvre de modèles complexes qui peuvent le faire (Recurrent Neural Networks (RNN), Long Short Termes Memory Neural Network (LSTM) …)
Utilisation :
- Avec Python, notamment les 3 bibliothèques :
- Librosa pour les traitements sur le son ;
- Keras pour la gestion des modèles de machine learning ;
- TensorFlow pour les étapes de calcul différentiel.
