使用 CNN-MLP 的音频分类 使用深度学习（CNN、MLP）的多类音频分类 引文 如果你觉得这个项目有帮助，请引用如下： @software{vishal_sharma_2020_3988690, author = {Vishal Sharma}, title = {{vishalshar/Audio-Classification-using-CNN-MLP: first release}}, month = Aug, year = 2020, publisher = {Zenodo}, version = {v1.0.0}, doi = {10.5281/zenodo.3988690}, url = {

音频分类使用深度学习 使用深度学习对10种不同的城市声音进行分类。 可以从以下链接下载音频文件： : 重要说明：文件夹应按以下方式排列： 火车标签目录：sounds / labels / train.csv 测试标签的目录：sounds / labels / test.csv 火车声音的目录：sounds / train / train_sound /（。wav格式的音频文件） 火车声音的目录：sounds / test / test_sound /（。wav格式的音频文件） 火车文件夹贴有标签 测试文件夹未标记 我们将一个音频信号分成3个，以将数据实际加载为机器可理解的格式。 为此，我们只需要在每个特定的时间步长之后取值即可。 例如; 在2秒的音频文件中，我们将在半秒内提取值。 这称为音频数据采样，而对其采样的速率称为采样速率。 现在可以将不同的纯信号表示为频域中的三个唯

介绍 该数据集包含来自10个类别的城市声音的8732个标记的声音摘录（<= 4s）：空调，汽车喇叭，儿童玩耍，狗吠，钻探，enginge_idling，gun_shot，手提钻，警笛和street_music。 这些类别是根据城市声音分类法得出的。 有关数据集及其编译方式的详细说明，请参阅我们的论文。 所有摘录均取自上传到现场录音。 这些文件已预先排序为十折（名为fold1-fold10的文件夹），以帮助复制和比较上面文章中报告的自动分类结果。 除声音摘录外，还提供了一个CSV文件，其中包含有关每个摘录的元数据。 数据集链接-https: 方法 1.有3种基本方法可以从音频文件中提取特征：a）使用音频文件的mffcs数据b）使用音频的频谱图图像，然后将其转换为数据点（就像对图像所做的那样）。 使用Librosa的mel_spectogram函数可以轻松完成此操作。c）结合两个功能以构建

重新思考音频分类的CNN模型 该存储库包含我们的论文《的PyTorch代码。 在以下三个数据集上进行了实验，这些数据集可以从提供的链接中下载： 前处理 预处理是单独进行的，以节省模型训练期间的时间。 对于ESC-50： python preprocessing/preprocessingESC.py --csv_file /path/to/file.csv --data_dir /path/to/audio_data/ --store_dir /path/to/store_spectrograms/ --sampling_rate 44100 对于UrbanSound8K： python preprocessing/preprocessingUSC.py --csv_file /path/to/csv_file/ --data_dir /path/to/audio_data/ --

DCASE 2019-任务5-城市声音标记 该存储库包含我用于的最终解决方案。 该模型在粗略和精细级别标签的预测中均排名第一。 再现结果 先决条件： 基于Linux的系统 Python> = 3.5 拥有至少8GB内存的NVidia GFX卡 CUDA> = 10.0 已安装virtualenv软件包 复制： 克隆此存储库。 要使用单个命令复制整个解决方案，请在存储库目录中时执行make run_all命令。 该命令按顺序执行以下步骤： make env ：在当前目录中创建虚拟环境 make reqs ：安装python软件包 make pytorch ：安装PyTorch make download ：从Zenodo下载Task 5的数据 make extract ：提取压缩文件 make parse ：解析注释 make logmel ：计算并保存所有文件的Log-Mel频

语音分类源码，tensorflow2.0 python3.7使用 ，语音分类必备程序