Análisis de Algoritmos de Machine Learning para la Detección de Violencia en Audio

Aug 5, 2026

Subir por Eden

El aprendizaje automático (ML) impulsa la detección de patrones y la mejora de la clasificación a partir de grandes volúmenes de datos. En seguridad y vigilancia, la detección de violencia en audio abre oportunidades para identificar eventos con menor carga de hardware. El estudio evalúa cuatro modelos de aprendizaje profundo (CNN, ResNet50, VGG16 y VGG19) usando espectrogramas Mel y entrevistas con 7 expertos, concluyendo que ResNet50 destaca en precisión y generalización, mientras VGG16 y VGG19 resultan más adecuados para recursos limitados.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas10

Tiempo de lectura15 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Introducción

Modelos evaluados y metodología

Representación con espectrogramas Mel

Entrevistas a expertos

Resultados y discusión

Análisis de Algoritmos de Machine Learning para la Detecciónde Violencia en Audio. Analysis of Machine Learning Algorithms for The Detection of Violence in Audio Sayda Daniela Cedeño Vera. 1 Ing. Ramón Toala Dueñas Ph.D. 2 1 Universidad Técnica de Manabí, Ecuador, Correo: [scedeno3078@utm.edu.ec](scedeno3078@utm.edu.ec), Código Orcid: [https://orcid.org/0009-0005-6400-1760](https://orcid.org/0009-0005-6400-1760) 2 Universidad Técnica de Manabí, Ecuador, Correo: [ramon.toala@utm.edu.ec](ramon.toala@utm.edu.ec), Código Orcid: [https://orcid.org/0000-0001-5397-9054](https://orcid.org/0000-0001-5397-9054) Contacto: [scedeno3078@utm.edu.ec](scedeno3078@utm.edu.ec) Recibido: 08-01-2025 Aprobado: 12-04-2025 Resumen El aprendizaje automático (ML) ha transformado la interacción con la tecnología, facilitando ladetección de patrones y la mejora en tareas de clasificación a partir de grandes volúmenes de datos. En particular, su aplicación en la detección de violencia en audio ha abierto nuevasposibilidades para mejorar los sistemas de seguridad. Este artículo examina la viabilidad de cuatro modelos de aprendizaje profundo: CNN, ResNet50, VGG16 y VGG19, para identificar patrones acústicos asociados con situaciones de violencia en grabaciones de audio. Para ello, se implementaron simulaciones computacionales utilizando espectrogramas Mel como representación de señales acústicas, y se realizaron entrevistas con 7 expertos en Machine Learning para obtener retroalimentación sobre la efectividad de los modelos. Los resultados mostraron que ResNet50 sobresale en términos deprecisión y capacidad de generalización, siendorecomendado especialmente para sistemas con recursos adecuados. En comparación, VGG16 y VGG19 demostraron ser útiles para entornos con limitaciones de recursos. Los expertos enfatizaron la importancia de la regularización y el aumento de datos para mitigar el sobreajuste, especialmente en contextos con datos ruidosos o limitados. Este estudio ofrece una perspectivavaliosa sobre la implementación de algoritmos de ML para mejorar la detección automática de violencia verbal, con implicaciones significativas para la seguridad y la vigilancia. Palabras Clave: Aprendizaje automático, Aprendizaje profundo, Detección de violencia sonora, Análisis de audio, Algoritmos de detección de violencia artificial Abstract Machine learning (ML) has revolutionized the interaction with technology, enabling systems to detect patterns and improve classification tasks from large datasets. Specifically, its application in violence detection in audio has opened new opportunities for enhancing security systems. This paper examines the viability of four deep learning models—CNN, ResNet50, VGG16, and VGG19—for identifying acoustic patterns associated with violence in audio recordings. Simulations were implemented using Mel spectrograms as representations of acoustic signals, and interviews were conducted with 7 machine learning experts to gather feedback on model effectiveness. Results showed that ResNet50 outperformed others in terms of accuracy and generalization capability, making it ideal for systems with adequate resources. In contrast, VGG16 and VGG19 proved useful for environments with limited resources. Experts emphasized the importance of regularization and data augmentation techniques to mitigate overfitting, particularly in contexts with noisy or limited data. This study provides valuable insights into the implementation of ML algorithms for automatic verbal violence detection, with significant implications for security and surveillance. Keywords: Machine learning, Deep learning, Audio violence detection, Audio analysis, Violence detection algorithms artificial Introducción El aprendizaje automático (Machine Learning, ML) ha revolucionado la manera en que interactuamos con la tecnología, permitiendo que los sistemas aprendan y mejoren su rendimientode manera autónoma a partir de datos. En su núcleo, el ML busca ide

Preguntas frecuentes

Qué modelos de aprendizaje profundo se evalúan para detectar violencia en audio?

Se analizan CNN, ResNet50, VGG16 y VGG19 para identificar patrones acústicos asociados con situaciones de violencia en grabaciones de audio.

Cómo se representan las señales acústicas en el estudio?

Las simulaciones computacionales usan espectrogramas Mel como representación de las señales acústicas para alimentar los modelos.

Cuál modelo obtiene mejores resultados y cómo se explica su desempeño?

ResNet50 sobresale por precisión y capacidad de generalización. El documento sugiere que es especialmente recomendado cuando existen recursos adecuados.

Aug 5, 2026

Subir por Eden