Beschreibung: Die akustische Event-Erkennung (acoustic event detection) befasst sich im Gegensatz zur Spracherkennung mit der Erkennung und Klassifizierung beliebiger Geräusche. Solche Erkenner werden eingesetzt zur Erkennung von Gefahren (z.B. Glasbruch, Schüsse,...), zur Erkennung von Tiergeräuschen (z.B. Vögel), zur Überwachung von pflegebedürftigen Personen, etc.

Bei der polyphonen Event-Erkennung wird für jede Event-Klasse separat die Präsenz des jeweiligen Events detektiert. Durch das Vorhandensein mehrerer Event-Spuren und Klassen sind übliche Metriken zur Berechnung der Fehlerrate oft irreführend, wenn diese mit Fehlerraten von Spracherkennern verglichen werden. Eine visuelle Darstellung, anhand derer sich der Unterschied zwischen Erkenner-Output und Realität erkennen lässt, soll einem Nutzer ein besseres Gefühl für die Genauigkeit eines Event-Erkenners bieten.

Im Laufe dieser Arbeit soll mit dem Open-Source Modul PyQt für Python eine grafische Nutzeroberfläche gestaltet werden, welche es dem Nutzer erlaubt, die Ausgaben des Event-Erkenners anschaulicher zu verstehen. Es soll dazu gleichzeitig mit der Audiospur eine Visualisierung der realen und der erkannten Events abgespielt werden können.

Voraussetzungen: Programmierkenntnisse wären vorteilhaft