Negli ultimi anni, il problema della violenza sulle donne e sui bambini ha registrato un aumento preoccupante. Spesso, le vittime non denunciano queste violenze per paura, rendendo difficile l’intervento delle forze dell’ordine. Questo studio propone un metodo che va a rilevare in maniera autonoma situazioni di pericolo per donne e bambini, utilizzando il deep learning (apprendimento profondo), in particolare le reti neurali convoluzionali (CNN). Il mio approccio prevede l'addestramento delle reti neurali utilizzando rappresentazioni grafiche dei segnali audio, in particolare gli spettrogrammi in scala Mel. Prima di essere trasformati nella rappresentazione grafica, gli audio vengono “puliti” per ridurre o annullare i rumori di fondo, migliorando così la precisione del modello. L’obbiettivo è far sì che il modello impari automaticamente a riconoscere le situazioni di pericolo da quelle non pericolose e, in caso di pericolo, a identificare se le vittime sono donne o bambini. La ricerca prevede di testare diverse tipologie di reti CNN per determinare quale offra risultati più affidabili e accurati per l’implementazione di questa tecnologia. Questo studio potrebbe fornire uno strumento prezioso per migliorare la sicurezza di questi soggetti, consentendo un intervento tempestivo in situazioni di emergenza. I risultati ottenuti hanno dimostrato che queste reti riescono con buona accuratezza a rilevare situazioni di emergenza, con la speranza che in futuro si possano migliorare ulteriormente i risultati ottenuti da questa ricerca.
Rilevamento di situazioni di pericolo per donne e bambini mediante l'uso di reti neurali convoluzionali (CNN)
DUCCI, MATTIA
2023/2024
Abstract
Negli ultimi anni, il problema della violenza sulle donne e sui bambini ha registrato un aumento preoccupante. Spesso, le vittime non denunciano queste violenze per paura, rendendo difficile l’intervento delle forze dell’ordine. Questo studio propone un metodo che va a rilevare in maniera autonoma situazioni di pericolo per donne e bambini, utilizzando il deep learning (apprendimento profondo), in particolare le reti neurali convoluzionali (CNN). Il mio approccio prevede l'addestramento delle reti neurali utilizzando rappresentazioni grafiche dei segnali audio, in particolare gli spettrogrammi in scala Mel. Prima di essere trasformati nella rappresentazione grafica, gli audio vengono “puliti” per ridurre o annullare i rumori di fondo, migliorando così la precisione del modello. L’obbiettivo è far sì che il modello impari automaticamente a riconoscere le situazioni di pericolo da quelle non pericolose e, in caso di pericolo, a identificare se le vittime sono donne o bambini. La ricerca prevede di testare diverse tipologie di reti CNN per determinare quale offra risultati più affidabili e accurati per l’implementazione di questa tecnologia. Questo studio potrebbe fornire uno strumento prezioso per migliorare la sicurezza di questi soggetti, consentendo un intervento tempestivo in situazioni di emergenza. I risultati ottenuti hanno dimostrato che queste reti riescono con buona accuratezza a rilevare situazioni di emergenza, con la speranza che in futuro si possano migliorare ulteriormente i risultati ottenuti da questa ricerca.File | Dimensione | Formato | |
---|---|---|---|
Tesi.pdf
accesso aperto
Dimensione
2.79 MB
Formato
Adobe PDF
|
2.79 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/19490