YENİ NESİL MAKİNE ÖĞRENMESİ YÖNTEMLERİ TABANLI ORTAM SESLERİNDEN DUYGU VE ŞİDDET TESPİTİ

Abstract

Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin geliştirilmesi için kapsamlı bir çerçeve sunmaktadır. Her biri el yapımı, hafif sıklet, örüntü tanıma veya kaostan ilham alan özellik çıkarma tekniklerini, optimize edilmiş sınıflandırma stratejilerini ve DWT ve TQWT gibi çok seviyeli sinyal dönüşümlerini içeren yedi yeni model önerilmiştir. Her model, kendi görevleri için özel olarak oluşturulmuş yeni, dengeli ve halka açık veri kümeleri üzerinde eğitilmiş ve değerlendirilmiştir. Tüm modeller GPU hızlandırmasına ihtiyaç duymadan çalışarak düşük hesaplama kaynaklarıyla yüksek doğrulukta ses sınıflandırmasının mümkün olduğunu göstermektedir. Genel olarak bu tez, gerçek zamanlı, gömülü veya düşük kaynaklı ortamlarda kullanıma uygun açıklanabilir, verimli ve ölçeklenebilir modeller sunarak derin öğrenmeye güçlü bir alternatif sunmaktadır. Bu tez çalışması yeni nesil makine öğrenmesi modelleriyle duygu ve şiddet tespiti alanına önemli bir katkı sağlamaktadır. Önerilen çözümler kamu güvenliği, adli bilişim, akıllı gözetim, sağlık izleme ve duygusal hesaplama alanlarında gelişmiş uygulamaların önünü açmaktadır.

This thesis presents a comprehensive framework for the development of lightweight, interpretable, and high-performance machine learning models for various audio-based recognition tasks, such as environmental audio classification, speaker counting, intensity detection, and ensemble emotion recognition. Seven new models are proposed, each incorporating handcrafted, lightweight, pattern recognition or chaos-inspired feature extraction techniques, optimized classification strategies, and multi-level signal transformations such as DWT and TQWT. Each model is trained and evaluated on novel, balanced and publicly available datasets specifically created for their respective tasks. All models run without the need for GPU acceleration, demonstrating that high accuracy audio classification is possible with low computational resources. Overall, this thesis presents a powerful alternative to deep learning by providing explainable, efficient and scalable models suitable for use in real-time, embedded or low-resource environments. This thesis makes a significant contribution to the field of emotion and violence detection with next generation machine learning models. The proposed solutions pave the way for advanced applications in public safety, forensics, intelligent surveillance, health monitoring and emotional computing. The proposed solutions pave the way for advanced applications in public safety, forensics, intelligent surveillance, health monitoring and emotional computing.