基于MFCC对GTZAN音乐流派分类

已于 2023-04-05 13:24:55 修改
阅读量2.7k 收藏 14
点赞数
分类专栏： PyTorch深度学习项目实战100例 文章标签： 深度学习 pytorch 分类 人工智能 计算机视觉
于 2022-11-04 05:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47256162/article/details/127457302
版权

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

一、基于MFCC对GTZAN音乐流派分类

本本我们将开发一个深度学习项目，从音频文件中自动分类不同的音乐类型。我们将利用这些音频文件的频率和时域的低层次特征对它们进行分类。

对于这个项目，我们需要一个数据集的音频轨道具有相似的大小和相似的频率范围。GTZAN类型分类数据集是音乐类型分类项目最推荐的数据集。
在这里插入图片描述

二、数据集介绍

  • 流派原创-收集了10种流派，每一种有100个音频文件，所有的长度都是30秒(著名的GTZAN数据集，声音的MNIST)
  • 图像原始-每个音频文件的视觉表示。对数据进行分类的一种方法是通过神经网络。因为网络新闻(像CNN，我们今天将
了解本专栏 订阅专栏 解锁全文
海洋 之心
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 16
    评论
专栏目录
订阅专栏
音乐风格分类 - 使用CNN或CRNN模型在GTZAN数据集上进行音乐风格分类任务。
sybh的博客
04-29 1703
GTZAN数据集是一个常用的音乐风格分类数据集，包含1000个10秒的音频片段，每个片段都被标注为10个不同的音乐风格，例如布鲁斯、古典、流行等。本篇博客介绍了如何使用Python中的Keras框架实现CNN和CRNN模型来在GTZAN数据集上进行音乐风格分类任务。我们首先加载了数据集，并进行了预处理操作。然后，我们分别实现了CNN和CRNN模型，并使用交叉熵损失函数和Adam优化器来训练这些模型。最后，我们评估了这些模型在测试集上的性能。
大话中文文本分类之textCNN
东方佑
10-01 447
# coding: UTF-8 import torch import torch.nn as nn import torch.nn.functional as F import numpy as np class Config(object): """配置参数""" def __init__(self, dataset, embedding): self.model_name = 'TextCNN' self.train_path = dataset
使用 GTZAN 数据集预处理音频数据
最新发布
XLionXxxx的博客
05-13 1090
色谱图是一系列色度特征，每个特征表示在时间窗口内音频的音调内容在 12 个色度频带/音高之间的分布，在色谱图中，通常使用不同的颜色或灰度来表示不同音高的能量。频谱中心表示频谱的质心位置，在感知上，它与声音亮度的印象具有牢固的关联，频谱中心是通过使用傅立叶变换确定信号中存在的频率，并将它们的幅度作为权重计算的加权平均值。感兴趣的可以听一下它给出的各种流派的音乐。频谱图表示了信号在不同频率上随时间变化的强度，频谱图是音频信号分析中常用的工具，可以帮助我们可视化和理解音频信号的频率特性随时间的变化。
中文短文本分类实例五-RCNN（Recurrent Convolutional Neural Networks for TextClassification）
大漠帝国的博客
06-15 1663
一.概述 RCNN不同于TextCNN和charCNN，论文Recurrent Convolutional Neural Networks for TextClassification中的RCNN是一个RCNN(rnn-cnn)结构，论文地址:Recurrent Convolutional Neural Networks for TextClassification ...
NLP实战之textRCNN中文文本分类
vivian_ll的博客
09-19 1430
text-RCNN神经网络文本分类 原理讲解 RCNN出处： 论文Recurrent Convolutional Neural Networks for Text Classification 讲解可以参考TextRCNN 阅读笔记 网络结构 Word Representation Learning. RCNN uses a recurrent structure, which is a bi-directional recurrent neural network, to capture the co
Music-Classification:Matlab工具使用MFCC和K最近邻居算法将音乐分为4种类型。 输入是具有.mp3 .wav扩展名的音频文件
05-21
音乐分类 Matlab工具使用MFCC和K最近邻居算法将音乐分为4种类型。 输入是带有.mp3 / .wav扩展名的音频文件。 ＃＃问题陈述 通过使用监督学习的概念将音频信号分类为不同的预定义流派。 背景技术虽然音乐令人愉悦，但如今互联网上提供的大量内容使音乐的分类成为必然的任务。 音乐以无限的形式出现。 也称为流派。 尽管音乐涵盖了如此广泛的类别，但是某些特征是所有人共有的，而与节奏，艺术家，乐谱等无关。因此，基于特征提取技术，可以将使用的音乐缩减为一组数据点。 ## Dataset在我们之前的摘要中，我们详细介绍了三个不同的数据集，这些数据集都适合我们的机器学习问题。 在这些数据集中，考虑到数据集的大小以及数据集中可用的音频文件的类型后，我们使用GTZAN流派集合作为我们的训练数据集。 我们仅使用现有数据集是因为其具有标准化的性质。 由于问题的性质，创建我们自己的数据集是一项艰巨的
NLP实践八:TextRNN和TextRCNN实现文本分类
chen_yiwei的博客
03-16 6780
TextRNN原理 这里的文本可以一个句子，文档(短文本，若干句子)或篇章(长文本)，因此每段文本的长度都不尽相同。在对文本进行分类时，我们一般会指定一个固定的输入序列/文本长度：该长度可以是最长文本/序列的长度，此时其他所有文本/序列都要进行填充以达到该长度；该长度也可以是训练集中所有文本/序列长度的均值，此时对于过长的文本/序列需要进行截断，过短的文本则进行填充。总之，要使得训练集中所有的文本...
基于MFCC和VQ算法的语音识别
04-18
**基于MFCC和VQ算法的语音识别** 在信息技术领域，语音识别是一项关键的技术，它允许计算机或设备理解和处理人类的语音输入。本项目利用MFCC（Mel Frequency Cepstral Coefficients）和VQ（Vector Quantization）...
论文研究-结合节拍语义和MFCC声学特征的音乐流派分类.pdf
09-10
由于音乐节拍的强度、快慢、持续时间等是反映音乐不同流派风格的重要语义特征...对8类音乐流派实验仿真结果表明，基于语义特征和声学特征结合的方法，总体分类准确率可达68.37%，同时特征维数增加对分类时间影响很小。
音乐流派分类：该项目旨在使用多个模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据
02-22
包括K-最近邻方法对流派进行分类（来自 ）。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数，以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MFCC。 将MFCC均值和...
基于改进BP神经网络的音乐流派分类.pdf
09-25
"基于改进BP神经网络的音乐流派分类" 本文提出了一种基于改进BP神经网络的音乐流派分类模型，以解决传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题。该模型通过Python的Librosa库提取了...
genreXpose, 基于机器学习的音乐流派分类.zip
10-10
genreXpose, 基于机器学习的音乐流派分类 #genreXpose v0.1文档程序允许快速和自动检测音频/音乐文件类型。这里项目未处于积极开发状态。===================== =本文简要介绍了如何在你的项目中使用这个库。关于构建这里库所使用的底层技术的更
使用机器学习算法自动进行音乐流派分类，例如逻辑回归和 K-最近邻_python_代码_下载
06-16
音频流派分类 使用机器学习算法自动进行音乐流派分类，例如逻辑回归和 K-最近邻 使用语言： Python 2.7 此存储库包含根据以下流派对音乐进行分类的开发代码： 蓝调 古典（西方） 国家 迪斯科 金属 流行音乐 数据集 用于训练模型的数据集是 GTZAN 数据集。数据集简介： 该数据集用于 G. Tzanetakis 和 P. Cook 在 2002 年 IEEE Transactions on Audio and Speech Processing 中的流派分类“音频信号的音乐流派分类”中的著名论文。 该数据集由每 30 秒长的 1000 个音轨组成。它包含 10 个流派，每个流派由 100 首曲目表示。曲目均为 .wav 格式的 22050Hz 单声道 16 位音频文件。 官方网页：marsyas.info 下载大小：约1.2GB 下载链接：下载 GTZAN 流派合集
mgc-django:基于流派的机器学习方法对音乐进行分类
05-12
音乐流派分类器 目录 Python包mysvm 特征 虚拟机 acc 结果 结论 执照 介绍 音乐分为主观类别，称为流派。 随着Internet和多媒体系统的发展，处理音乐数据库的应用程序变得越来越重要，对音乐信息检索（MIR）应用程序的需求也在增加。 音乐类型没有严格的定义和界限，因为它们是通过公众，市场，历史和文化因素之间的复杂相互作用而产生的。 这是将音乐分类为流派的Web应用程序。 要求 Django（1.11） 脾气暴躁（1.12.1） Scikit-Learn（0.18.1） Scipy（0.19.0） Python语音功能（0.5） 毕达（0.18.0） 安装 git clone https://github.com/indrajithi/mgc-django.git pip install -r requirements.txt python man
2011ISMIS音乐数据集
06-08
该部分为测试集，该部分为测试集，该部分为测试集，该部分为测试集。
fma：FMA：音乐分析数据集
02-05
FMA：音乐分析数据集 ， ， ， 。 国际音乐信息检索学会会议（ISMIR），2017年。 我们介绍了免费音乐档案（FMA），这是一个开放的且易于访问的数据集，适用于评估MIR中的多个任务，MIR是与浏览，搜索和组织大型音乐收藏有关的领域。 但是，社区对功能和端到端学习的兴趣日益增长，这受到大型音频数据集可用性有限的限制。 FMA旨在克服这一障碍，以161个流派的分级分类法，提供来自16,341位艺术家和14,854张专辑的106,574条曲目的917 GiB和343天的Creative Commons许可音频。 它提供全长和高质量的音频，预先计算的功能，以及轨道和用户级别的元数据
5. 文本分类——textRCNN模型
qq_38293297的博客
03-22 4302
文章目录一、简介二、模型结构1.Word Representation Learning2.Text Representation Learning3. 代码实现4. 参考 文章：recurrent convolutional neural networks for text classification 文章链接：http://www.aaai.org/ocs/index.php/AAAI/A...
RCNN模型文本分类
qq_21500275的博客
06-20 5794
RCNN模型来源于论文 Recurrent Convolutional Neural Networks for Text Classification该模型结合RNN和CNN来实现文本分类任务，其实就是一个前向后向RNN+最大池化层，论文里将循环层视为卷积层，感觉有些牵强。在tensorflow上面实现之后的准确率不比TextCNN高，且运行速度慢了很多。...
基于MFCC和SVM的语音、音乐 、情感声音的分类预测和鉴别识别方法
m0_68894275的博客
04-04 4746
本程序实现了 图 原始的输入界面 图 进行卷积方法去噪声的代码 SVM的语音分析和识别的研究 可以录制原始的声音，然后采取卷积的方法进行去噪声，进而可以提取mfcc的特征， 通过svm的方法进行分类得到类别，Mfcc的特征提取需要进行提取有关内容 采取别的语音的时候的结果 得到了特征提取的结果 ...
基于mfcc和gmm的音乐流派分类python
06-01
下面是一个基于MFCC和GMM的音乐流派分类的Python代码示例： ```python import os import numpy as np import scipy.io.wavfile as wav from python_speech_features import mfcc from sklearn.mixture import ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

海洋 之心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值