我一直在关注 DeepLearning.net 上的教程,学习如何实现从图像中提取特征的卷积神经网络。该教程解释得很好,易于理解和遵循。
我想扩展相同的 CNN 以同时从视频(图像 + 音频)中提取多模态特征。
我知道视频输入只不过是在一段时间内(例如 30 FPS)显示的与音频相关的一系列图像(像素强度)。但是,我真的不明白什么是音频,它是如何工作的,或者它是如何被分解以馈送到网络中的。
我已经阅读了几篇关于该主题的论文(多模态特征提取/表示),但没有人解释音频是如何输入到网络的。
此外,我从我的研究中了解到,多模态表示是我们大脑真正工作的方式,因为我们不会故意过滤掉我们的感官来实现理解。这一切都是同时发生的,我们通过(联合表示)不知道它。一个简单的例子是,如果我们听到狮子吼叫,我们会立即在脑海中形成狮子的形象,感到危险,反之亦然。我们的大脑中激活了多种神经模式,以全面了解狮子的外观、声音、感觉、气味等。
上面提到的是我的最终目标,但为了简单起见,我暂时将我的问题分解。
如果有人能阐明如何剖析音频,然后在卷积神经网络中表示,我将不胜感激。我也会感谢您对多模态同步、联合表示以及使用多模态数据训练 CNN 的正确方法的想法。
编辑: 我发现音频可以表示为频谱图。它是音频的常见格式,并表示为具有两个几何维度的图形,其中水平线代表时间,垂直线代表频率。
是否可以对这些频谱图上的图像使用相同的技术?换句话说,我可以简单地将这些频谱图用作卷积神经网络的输入图像吗?