1 測試數據集介紹

（1）Audioset數據集： 從該數據集中篩選出鼾聲數據500條；
（2）人工采集的數據集：我們收集了鼾聲及咳嗽數據50條，其中鼾聲數據40條，咳嗽數據10條，利用shuteye錄制。

2 評價指標

原始標簽：1個或者多個；
預測標簽：top-n個標簽；
評價方法：如果原始標簽在預測標簽中出現，則認為預測正確，此處不考慮原始標簽在預測標簽中排名。例如Snoring在top-n之中，則認為該測試數據為Snoring數據，否則認為沒有打鼾。最后的預測公式為：準確率 = 預測正確的個數 / 總的預測個數

3 測試結果

3.1 鼾聲測試

3.1.1 AudioSet數據集

• 當n取1的時候，測試用例在100條時只有10%的正確率，測試用例在300條時達到16.2%的正確率，測試用例在500條時達到16.2%的正確率。
  

• 當n取2的時候，測試用例在100條時只有57%的正確率，測試用例在300條時達到64.7%的正確率，測試用例在500條時達到70.2%的正確率。
  

• 當n取3的時候，測試用例在100條時只有80%的正確率，測試用例在300條時達到80.7%的正確率，測試用例在500條時達到84.8%的正確率。
  

• 當n取4的時候，測試用例在100條時只有83%的正確率，測試用例在300條時達到84.3%的正確率，測試用例在500條時達到87.6%的正確率。
  

• 當n取5的時候，測試用例在100條時達到84%的正確率，測試用例在300條時達到85%的正確率，測試用例在500條時達到88.4%的正確率。
  

• 當n取6的時候，測試用例在100條時達到84%的正確率，測試用例在300條時達到86%的正確率，測試用例在500條時達到89.2%的正確率。
  

• 當n取7的時候，測試用例在100條時達到87%的正確率，測試用例在300條時達到88%的正確率，測試用例在500條時達到90.4%的正確率。
  

• 當n取8的時候，測試用例在100條時達到87%的正確率，測試用例在300條時達到88.67%的正確率，測試用例在500條時達到90.8%的正確率。
  

• 當n取9的時候，測試用例在100條時達到88%的正確率，測試用例在300條時達到89.67%的正確率，測試用例在500條時達到91.6%的正確率。
  

• 當n取10的時候，測試用例在100條時達到87%的正確率，測試用例在300條時達到90.6%的正確率，測試用例在500條時達到92.4%的正確率。
  

3.1.2 人工數據集

人工采集數據來源于自己錄制，相比audioset中的音頻，，n取1的準確率為0，n取2的準確率最后只有30%，n取3的準確率最后只有58.7%，n取4的準確率最后只有60.9%，n取5~9的效果都準確率最后只有75%+。

n取10 的時候最后準確率在78%左右。

原因分析：采集的數據中背景噪聲較大，且有些音頻存在大段靜默（占80%左右），打鼾聲音很微弱，因此預測效果沒有Audioset的準確率高。

3.2 Cough測試：人工數據集

由于Cough數據較少，因此在網上也收集了一些相關音頻，測試結果如下。n取5的時候，準確率為80%；n取10的時候，準確率依舊為80%左右。

4 討論

在測試的時候，很重要在于測試數據采集是否準確。
目前在人工收集數據的時候，主要用到蝸牛睡眠和shuteye，兩個軟件對比如下：

• 蝸牛睡眠只能錄鼾聲和夢話，并且不夠準確，好處就是免費；
• shuteye可以錄鼾聲、夢話、咳嗽、磨牙、噪音等，種類比蝸牛睡眠多，錄得也要準確些，需要付費。

總結

以上是生活随笔為你收集整理的睡眠声音识别中的准确率问题(二)--测试结果及分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。