关于音频场景识别的一个基于python的程序合集dcase_util,是英文的,所以在此将其翻译成了中文,以便查阅。
dcase_util文档描述了为声场景和事件检测和分类(DCASE)创建的实用程序集合。这些实用程序最初是为DCASE挑战基线系统(2016和2017)创建的,并捆绑到独立库中以允许其在其他研究项目中重复使用。
这些实用程序的主要目标是简化研究代码,使其更易读,更易于维护。大多数实施的实用程序都与音频数据集相关:处理元数据和各种形式的其他结构化数据,并为各种来源的音频数据集提供标准化的使用API。
dcase_util中包含的概念有:
Dataset:一组音频信号和与之相关的参考标注。
Container:类存储数据并基于要存储的数据类型,提供有意义且清晰的数据访问。
Metadata:数据注释。
Repository:容器来存储多个数据容器。
Encoder:用于将数据从不同类型转换为另一类型。
Processor:为处理数据提供统一API的类。
ProcessingChain:在一个链中连接多个数据处理器,允许构建数据的复杂处理。
在搭建好了python环境之后,使用下列pip命令安装dcase_util。
参考资料:
dcase_util教程