audio-classification

dnn_reco_lowdim

n_mfcc=20
mfccを時間方向に平均値をとって、1次元ベクトルに

dnn_reco_highdim

loss: 5.6667 - acc: 0.5868
n_mfcc=40
mfccの高次まで取得してみた
高次まで取得すると、声道の音響特性を除去して、ピッチを得ることができる。
ここで、lossがようやく下がり始め、accも向上し始めた。

dnn_reco_various_feature ver1

loss: 11.1997 - acc: 0.3051
とにかく色々な特徴量を試してみた
193->256->256->3

dnn_reco_various_feature ver2

loss: 10.4656 - acc: 0.3507
ver3のレイヤーを減らしただけ
193->256->3

dnn_reco_various_feature ver3

loss: 0.5325 - acc: 0.8036
ユニット数と活性化関数を最適化してみた
193->280(tanh)->300(relu)

cnn_reco_various_feature

loss: 0.3225 - acc: 0.7965
畳み込みニューラルネットワークで実装してみた