音乐数据搜集

1. GTZAN:

非常古老(ˉ▽￣～)，并且非常经典的音乐数据集。但是数据集中同样存在一些问题，标签上的错误[1]。

数据描述：

提供1000条音频数据，每条30s。一共包括10个音乐风格，每个风格包括100条数据。
大小：1.2G

Paper：

[1] The GTZAN dataset: Its contents, its faults, their effects on evaluation, and its future use
[2] Learning to Recognize Musical Genre from Audio

Code:

[1] https://github.com/Hguimaraes/gtzan.keras
[2] https://github.com/AmbarZaidi/Audio-Genre-Classification

2. 免费音乐档案(Free Music Archive-FMA)：

数据描述：

根据文件大小，该项目提供四个不同的音频数据：

文件	时长	数量	类别数	是否均衡	大小
fma_small.zip	30s	8,000	8	是	7.2G
fma_medium.zip	30s	25,000	16	否	22G
fma_large.zip	30s	106,574	161	否	93G
fma_full	30s	106,574	161	否	879G

每个文件夹包括四个文件：

· tracks.csv：106,574首曲目的每首曲目元数据，如ID，标题，艺术家，流派，标签和播放次数。
· genres.csv：163种风格的ID与他们的名字和父母（用于推断流派层次和顶级流派）。
· features.csv：用librosa提取的特征 。
· echonest.csv：由Echonest （现在的 Spotify）为13,129首音轨的子集提供的音频功能

Paper & Code：

Paper	Code
《Learning to Recognize Musical Genre from Audio》	Github
《Transfer Learning of Artist Group Factors to Musical Genre Classification》	Gitlab
《Ensemble of CNN-based Models using various Short-Term Input》	Gitlab
《Detecting Music Genre Using Extreme Gradient Boosting》	Gitlab
《ConvNet on STFT spectrograms》	Gitlab
《Xception on mel-scaled spectrograms》	Gitlab
《Audio Dual Path Networks on mel-scaled spectrograms》	Gitlab

baseline：

https://nbviewer.jupyter.org/github/mdeff/fma/blob/outputs/baselines.ipynb

3. 百万歌曲数据集

数据描述：

数据集包括一百万首歌曲的特征分析和元数据。该数据集不包含音频，只包含得出的特征。样本声音的获取方式Github。
以’Never Gonna Give You Up’为例说明数据的特征：详细描述

Paper：

[1] A Preliminary Study on a Recommender System for the Million Songs Dataset Challenge

4. 城市声音分类

数据描述：

大小：训练集 3.41 GB（压缩），测试集 2.16GB（压缩）

记录数： 10个类别，8732条声音标注，的城市声音片段（<= 4s）

Paper:

[1] Deep Convolutional Neural Networks and Data Augmentation for Environmental Sound Classification
[2] FEATURE LEARNING WITH DEEP SCATTERING FOR URBAN SOUND ANALYSIS
[3] UNSUPERVISED FEATURE LEARNING FOR URBAN SOUND CLASSIFICATION

Code:

Urban sound classification using Deep Learning-Github
Urban Sound Classification — Part 1: sound wave, digital audio signal
Sound Classification using Spectrogram Images