
Créer un réseau de neurones pour détecter les klaxons de train
Le suspect en question
Il se trouve que j'habite près d'une voie ferrée, et ce train klaxonne pas mal, de jour comme de nuit. De plus, la voie traverse le quartier en coupant cinq ou six rues sans aucune barrière automatique pour empêcher le passage. Avant de franchir chaque rue, le train est donc tenu de klaxonner pendant un bon moment. Par thérapie, j'ai donc décidé d'essayer de détecter et de quantifier ces klaxons. J'espérais aussi trouver un moyen de savoir en temps réel si le train bloque la rue. Il peut être très agaçant de se retrouver coincé derrière le train quand on est pressé. Cet article détaille mon projet de week-end pour y parvenir.
En bref
Après un week-end de bidouillage, j'ai réussi à faire tourner en direct un détecteur de klaxons de train fiable, branché sur un micro placé devant ma fenêtre. Vous pouvez récupérer le code d'entraînement du réseau sur GitHub.
Je publie aussi les détections en direct ici : BywaterTrain.com
Réseau de neurones
Je ne connais pas la classification audio, alors j'ai fait quelques recherches rapides en espérant que quelqu'un d'autre avait déjà résolu un problème similaire. Ma contrainte était que le modèle soit assez rapide pour traiter en direct le son du micro. Comme je n'avais pas beaucoup de données annotées, je cherchais un réseau de type « ImageNet de l'audio » que je pourrais affiner (fine-tuning) sur un tout petit jeu de données. Yamnet, de Google, semblait cocher plusieurs de ces cases, alors je l'ai retenu.
Yamnet
D'après Google : « YAMNet est un réseau profond pré-entraîné qui prédit 521 classes d'événements audio à partir du corpus AudioSet-YouTube, et qui emploie l'architecture de convolutions séparables en profondeur Mobilenet_v1. » Le fait qu'il utilise Mobilenet_v1 signifie donc qu'il est probablement assez rapide, et qu'il soit pré-entraîné sur un grand jeu de données est encore mieux.
Le jeu de données AudioSet-YouTube de Google est intéressant en soi. Créé à partir de l'audio de clips YouTube, il peut être téléchargé sous forme de fichiers .csv pointant vers le moment précis dans la vidéo YouTube, ou sous forme de vecteurs de caractéristiques de 128 bits produits par leur architecture de type VGG (voir ici).
Le jeu de données contenait déjà diverses catégories liées aux trains, mais la précision obtenue sur mes données n'était pas suffisante, j'ai donc décidé d'affiner un réseau supplémentaire par-dessus la sortie de yamnet.
Si vos données appartiennent à l'une des 521 classes, vous pourrez peut-être utiliser directement la sortie de yamnet sans rien entraîner du tout.
Jeu de données audio YouTube
Création des données d'entraînement
J'ai enregistré de courts extraits audio avec le micro de mon ordinateur et je les ai annotés comme positifs (klaxon de train) ou négatifs (tout le reste). J'ai fini avec environ 200 courts extraits au total, ce qui n'est pas beaucoup, mais qui semblait suffire pour l'affinage.
Le modèle yamnet traite l'audio par fenêtres de 0,96 seconde, j'ai donc découpé mes enregistrements en segments de cette durée. Chaque segment est passé dans yamnet pour obtenir le vecteur d'embedding à 1024 dimensions, que j'ai ensuite utilisé comme entrée pour entraîner un classifieur simple par-dessus.
Résultats
Le modèle final fonctionne étonnamment bien ! Il détecte les klaxons de train en temps réel avec une grande précision. Les faux positifs sont rares, et il repère la plupart des klaxons tout au long de la journée.
Je le fais tourner en continu sur un Raspberry Pi avec un micro USB bon marché, en consignant toutes les détections dans une base de données. Les données révèlent des tendances intéressantes sur les heures de passage des trains dans le quartier.
Découvrez les détections en direct sur BywaterTrain.com !
Code
Le code d'entraînement et l'architecture du modèle sont disponibles sur GitHub : github.com/laanlabs/train_detector
N'hésitez pas à adapter cette approche pour détecter d'autres sons : alarmes de voiture, bruits de chantier, ou tout autre événement sonore que vous souhaitez suivre !
Travailler avec Laan Labs
Développement de vision par ordinateur et d’IA
De la vision par ordinateur et du machine learning sur mesure, de la preuve de concept à la production, sur l’appareil comme dans le cloud.
Télécharger cet article
Récupérez la source Markdown pour le lire hors ligne

