Waarom is dit belangrijk?
Een computer kan lichaamsgeluiden dag en nacht volgen en afwijkingen melden, zonder dat iemand zelf blijft luisteren en zonder sensoren op het lichaam. In de zorg gebruikt men machine listening in het ziekenhuis en bij controle thuis, bijvoorbeeld bij snurken. Patiënten en zorgverleners krijgen zo eerder een signaal, maar de uitkomst is niet altijd uitlegbaar en een te hoge score kan een te gunstig beeld geven.
Zo werkt het in de praktijk
Machine listening herkent een geluidsscène, zoals een straat of een kantoor. Dat gebeurt in apparaten, robots en auto's die hun omgeving volgen via geluid. Hitachi en NTT zoeken in de DCASE-challenge naar afwijkende machinegeluiden, ook als er lawaai bij zit.
Onderzoek vraagt hoe systemen losse geluiden scheiden als ze samen klinken en de ruimte ze vervormt. De Audio Research Group van Tampere University deelt geluidsscènes in en zoekt gebeurtenissen in geluid. De Technische Universiteit München beschrijft de stap naar één model voor meerdere luistertaken.
DCASE is een test van IEEE waarin teams dezelfde taken oplossen. Zij krijgen een voorbeeldmodel, een trainingsset en een aparte testset. Zo vergelijken teams systemen voor machine listening op dezelfde taken.




