Machine Learning_实例1_SpeakingDetection

最新推荐文章于 2022-09-11 22:46:28 发布

原创

最新推荐文章于 2022-09-11 22:46:28 发布 · 8.7w 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

本文介绍了一个用于检测视频中人物是否说话的程序。采用了SVM和神经网络两种方法。在SVM中，使用Scikit-learn进行数据预处理、加载、训练和测试，通过网格搜索优化参数。而在神经网络中，使用Keras构建模型，包括数据预处理、训练和测试。最终，分别实现了speakingDetection接口函数以进行预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[Assignment Requirements]

Write a program to detect whether a person in a video speaks or not.

Features:
- S: Depicts the motion of mouth;
- V: Depicts the degree of mouth opening.
Feature vector:
- X = [Si-1 Si Si+1 Vi-1 Vi Vi+1]
  So that, the input feature vector X is an N*6 matrix, where N is the number of feature vectors.
Label:
- +1: Speaking
- -1: Not-speaking
  So that, the output label vector is an N*1 vector predY, predY(i)=-1 or 1.

[Solutions]

SVM

使用Scikit-learn，即sklearn，一个Python的机器学习包。
对于SVM问题，我们可以调用sklearn包中基于libsvm的svm模块。对于本次任务中的分类问题，我们调用其中的SVC函数（针对回归问题，可以调用SVR函数）。
任务实现的主要步骤为：
数据预处理-加载数据集-训练模型（网格搜索参数）-测试模型
- 数据预处理
  原数据集training.data格式为：
  
  我们通过FormatDatalibsvm.xls，按照
  http://blog.youkuaiyun.com/pangpang1239/article/details/7435842
  中所说的方式将数据处理为libsvm要求的格式，得到training.txt：
- 加载数据集
  获得特征向量xData和标签向量yData：
  xData, yData = datasets.load_svmlight_file(“training.txt”)
- 我们再在数据中留出一部分验证集：
```
traini
```