AudioSet数据集介绍(含国内镜像地址)

最新推荐文章于 2024-07-30 14:24:53 发布
最新推荐文章于 2024-07-30 14:24:53 发布
阅读量1.4w 收藏 27
点赞数 4
分类专栏： 声学 文章标签： AudioSet 深度学习 人工智能 机器学习 数据挖掘
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/qq_39437746/article/details/80793476
版权
AudioSet是Google发布的音频数据集，类似图像领域的ImageNet。它包含csv文件和128维特征，特征由VGGish模型提取。数据集提供了美国、欧洲和亚洲的特征下载链接，以及用于训练的Starter Code。标签类型映射可通过class_labels_indices.csv获取。 AudioSet的国内镜像下载地址也一并给出，支持开源项目。
摘要由CSDN通过智能技术生成

AudioSet是Google发行的声音版ImageNet。

AudioSet提供了两种格式：

  1. csv文件，包括音频所在的YouTube视频的ID，开始时间，结束时间 以及标签(可能是多标签)
  2. 128维的特征，采样率为1Hz，也就是把音频按秒提取为128维特征。特征是使用VGGish模型来提取的，VGGish下载地址为 TensorFlow models GitHub
最低0.47元/天 解锁文章
AmigoData
关注
专栏目录
【音频分类与检测】PANNs：用于音频模式识别的大规模预训练音频神经网络
不积跬步，无以至千里！
01-15 8231
音频模式识别是机器学习领域的一个重要研究课题，它包括音频标注、声音场景分类、音乐分类、语音情感分类和声音事件检测等任务。近年来，神经网络已被应用于解决音频模式识别问题。然而，以前的系统是建立在特定数据集上的，数据集时长有限。最近，在计算机视觉和自然语言处理中，在大规模数据集上进行预训练的系统已经很好地推广到一些任务上了。然而，在大规模数据集上进行音频模式识别的预训练系统的研究还很有限。本文提出了在大规模音频数据集上训练的预训练音频神经网络(PANN)。
【论文随笔3】AudioSet终于有了强（帧级别）标签：THE BENEFIT OF TEMPORALLY-STRONG LABELS IN AUDIO EVENT CLASSIFICATION
The Dawn
11-17 877
原文链接：【论文随笔3】AudioSet终于有了强（帧级别）标签：THE BENEFIT OF TEMPORALLY-STRONG LABELS IN AUDIO EVENT CLASSIFICATION - 知乎背景训练神经网络时，最重要的是数据，其次是网络类型或结构等。尤其是音频标记、声音事件检测任务中，标注准确的公开数据屈指可数。DCASE2013、2016、2017等中，声音事件检测（Sound event detection，SED）的数…https://zhuanlan.zhihu.com/p/
【音频识别】十大数据集合集，宝藏合集，不容错过！
最新发布
Kyzy_1919的博客
07-30 625
文本选择算法的详细信息在以下论文中进行了描述：C. Veaux、J. Yamagishi 和 S. King，“语音库语料库：大型区域口音语音数据库的设计、收集和数据分析”，https：/ /doi.org/10.1109/ICSDA.2013.6709856。在CVPR2023中我们提出了精细化音视频描述任务（Fine-grained Audible Video Description, FAVD）该任务旨在提供有关可听视频的详细文本描述，包括每个对象的外观和空间位置、移动对象的动作以及视频中的声音。
Google AudioSet-谷歌语音数据集如何解析
AntioniaMao的博客
01-07 2252
Google Audio Set是谷歌提供的语音数据集，对于语音相关的AI学习和研究有着至关重要的作用 因为身处长城之内，故从谷歌官网搬运该数据集的介绍、下载，及解析格式 数据集简介 AudioSet由632个音频事件类的扩展本体和从YouTube视频中提取的2084320个标记为10秒的声音片段组成，涵盖了人类和动物的各种声音、乐器和流派以及常见的日常环境声音。 二百一十万 anno...
音频分类-数据集：AudioSet【Google发行的声音版ImageNet】
u013250861的博客
07-13 7119
GitHub：https://github.com/audioset/ontology谷歌发布的大规模音频数据集，AudioSet 包括 632 个音频事件类的扩展类目和从YouTube视频绘制的 2084320 个人类标记的10秒声音剪辑的集合。音频本体 (ontology) 被确定为事件类别的一张层级图，覆盖大范围的人类与动物声音、乐器与音乐流派声音、日常的环境声音。 AndioSet能为音频事件检测提供一个常见的、实际的评估任务，也是声音事件的综合词汇理解的一个开端。该数据集收集了所有与我们合作的人类
AudioSet-音频数据集
不务正业的猿
09-16 4313
原文： AudioSet consists of an expanding ontology of 632 audio event classes and a collection of 2,084,320 human-labeled 10-second sound clips drawn from YouTube videos. The ontology is specified as a hierarchical graph of event categories, covering a wide r
AudioSet 本体与声音实体对象
xw555666的博客
06-05 1346
AudioSet 是由 Google 研究团队开发的一个大规模的音频事件识别数据集，它定义了一个层级化的本体（ontology），用于对音频事件进行分类。它包含了丰富的音频类别，每个类别都有其唯一的标识符（ID）。这些标识符通常基于知识图谱中的，特别是与 Freebase 和 Wikidata 这样的知识库相关联。
音频数据集
weixin_36378508的博客
07-17 1674
下载地址：https://voice.mozilla.org/data时长：1965小时（目前为止）最早2017年发布，持续更新，该基金会表示，通过 Common Voice 网站和移动应用，他们正在积极开展 70 种语言的数据收集工作。Mozilla 宣称其拥有可供使用的最大的人类语音数据集，当前数据集有包括 29 种不同的语言,其中包括汉语，从 4万多名贡献者那里收集了近 2454 小时（其中1965小时已验证）的录音语音数据。
苹果Airplay2学习
天天的博客
02-07 2183
AirPlay是由苹果公司推出的一项无线传输技术，可以将音频、视频和图像从苹果设备传输到其他支持AirPlay的设备上，如音响、电视和扬声器等。AirPlay技术使用WiFi网络进行传输，可以在不需要使用任何线缆的情况下进行数据传输。用户可以使用苹果设备上的Airplay功能，将音乐、视频或图像发送到其他支持AirPlay的设备上播放。
audioset_tagging_cnn
05-05
PANNs：用于音频模式识别的大规模预训练音频神经网络 此回购包含我们论文的代码： PANNs：用于音频模式识别的大规模预训练音频神经网络[1]。 在大型AudioSet数据集[2]上训练了各种CNN，这些数据集包含5,000小时的音频和527个声音类别。 使用我们提出的Wavegram-Logmel-CNN系统可实现0.439的平均平均精度（mAP），胜过Google基线0.317 [3]。 PANN已用于音频标记和声音事件检测。 PANN已用于微调几个音频模式识别任务，并且性能优于几个最先进的系统。 环境环境 该代码库是使用Python 3.7开发的。 安装要求如下： pip install -r requirements.txt 使用预先训练的模型进行音频标记 用户无需训练即可使用预先训练的模型推断音频的标签。 首先，从下载一个预训练的模型，例如，名为“ Cnn14_mAP = 0
Google-AudioSet-Scraping：用于过滤Google AudioSet音频片段数据并下载所需片段的工具的集合
02-15
Google-AudioSet-Scraping 一组用于过滤Google AudioSet音频片段数据和下载所需片段的工具。
Elasticsearch多字段搜索与价格范围过滤的Go语言实现
程序员光剑
07-27 32
在当今数字化时代，快速而精准的信息检索已成为各行各业的刚需。无论是电子商务平台、新闻门户网站，还是企业内部的文档管理系统，都需要一个强大的搜索引擎来支撑。Elasticsearch作为一个分布式、RESTful风格的搜索和分析引擎，凭借其高性能、可扩展性和灵活性，在全文检索领域占据了重要地位。本文将深入探讨如何使用Go语言实现Elasticsearch的多字段搜索和价格范围过滤功能。这两个功能在实际应用中极为常见，尤其是在电子商务领域。例如，用户可能想要搜索特定品牌、型号的商品，同时限定价格区间。
Unity3d 周分享（20期 2019.6.30 ）
热门推荐
游戏路上的小学生
06-30 1万+
选自过去1~2周 自己所看到外文内容：https://twitter.com/unity3d 和各种其他博客来源吧 1、Unity的Android音频延迟在2019.1.0 中改进 https://gametorrahod.com/unitys-android-audio-latency-improvement-in-2019-1-0/ 文章作者因为这个延迟问题，弄了一个，正是基于Op...
音乐数据集+大模型相关（一）
asuiyu的博客
01-24 2434
下图来自 llark论文。对于音频领域，Mubert和Riffusion是近期热门的两个文本到音乐的生成模型。Mubert是一个文本到音乐的演示界面，能够根据输入的文本生成高质量的音频音乐。不过由于所有的声音都是由音乐家和声音设计师事先创造的，因此Mubert更像是在生成声音的组合，而不是音乐。Riffusion使用与Stable Diffusion相同的模型，从文本中生成频谱图，然后将其转换为音频片段。
谷歌 Audioset数据集
青铜程序员
03-23 1829
谷歌 Audioset数据集 需要下载的请加微信:for_free425,请注明 audioset下载
Google open AudioSet github.com/audioset/ontology
haijunz的博客
03-08 783
Audio Set Ontology Dan Ellis dpwe@google.com v1 2017-03-06 The file ontology.json contains the current definition ofthe AudioSet ontology, a hierarchicalset of audio event classes. The json fi
探索音频世界的新钥匙 —— audioset项目深度剖析与推荐
gitblog_00086的博客
06-22 423
探索音频世界的新钥匙 —— audioset项目深度剖析与推荐 项目地址:https://gitcode.com/unixpickle/audioset 项目介绍 在数据驱动的时代，高质量的数据集对于机器学习和人工智能领域尤为重要。audioset 是一款精心打造的工具套件，专为下载和利用 AudioSet —— 一个庞大的标注音频文件数据库而生。这款项目由一系列实用工具构成，旨在简化音频数据处理...
下载数据集:euroc 国内镜像
09-07
要下载euroc数据集的国内镜像，可以按照以下步骤进行： 1. 首先，在浏览器中打开搜索引擎，并在搜索框中输入“euroc数据集国内镜像”。 2. 在搜索结果中，找到可靠的数据集镜像站点。 3. 点击该镜像站点的链接，进入其官方网站。 4. 在该网站首页或数据集相关页面上，寻找关于euroc数据集的下载选项或链接。 5. 点击下载选项或链接，开始下载euroc数据集。 6. 根据镜像站点的规定，可能需要注册账号或填写一些相关信息。 7. 完成注册或信息填写后，开始下载数据集文件。 8. 下载过程可能需要一定的时间，取决于网络连接速度和文件大小。 9. 下载完成后，根据个人需求将数据集文件保存至指定位置，并提取所需数据进行使用。 10. 如果下载过程中遇到问题或无法找到合适的镜像站点，可以尝试搜索其他镜像站点或咨询相关技术论坛，以获取更多关于euroc数据集国内镜像的信息。 总之，下载euroc数据集国内镜像可以通过搜索可靠的镜像站点，寻找下载选项或链接，并在完成注册或信息填写后，下载所需的数据集文件。
评论 1
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
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