- 博客(6)
- 收藏
- 关注
RSS订阅原创 Datawhale 组队学习 Task6
因为研究方向为音乐信息检索（MIR）方向，这里介绍一下MIR的相关知识。本次学习主要知识来源于《计算机音乐信息与交融》的书。音乐人工智能：以数字对象为研究对象，以AI为主要技术手段的计算机软硬件系统研发。早期的MIR以符号音乐如MIDI为研究对象，由于其有准确的音高和时间等信息，很快就发展的比较成熟。后续研究转为以音频信号为研究对象，具有一定难度。声音与音乐的信号处理：用于声音与音乐的信号分析、变换以及合成。包括频谱分析、调幅、调频、滤波、转码、压缩、重采样、回声、混音、去噪、变调、保持音高不变的时间
2021-04-22 23:17:32
130
原创 Datawhale组队学习活动 Task5
我认为修改基于LSTM的baseline的优化方法，有如下3种情况：可以和其他模型的融合增加其他特征，以提高模型的识别率修改LSTM的隐含层数或者修改循环层数。零基础入门，我的代码能力较弱，所以具体实验还要再看看。...
2021-04-21 20:32:24
83
原创 Datawhale组队学习活动 Task4
因为本次组队学习，两个baseline选择的是LSTM的模型，所以这里说一下LSTM的原理。本次学习内容的来源为邱锡鹏老师的《神经网络与深度学习》的这本书。了解LSTM的前提先了解一下循环神经网络（Recurrent Neural Network,RNN）是一类具有短期记忆能力的神经网络。在循环神经网络中，神经元不但可以接受其他神经元的信息，也可以接受自身的信息，形成具有环路的网络结构。但当输入序列比较长的时，回存在梯度爆炸和消失的问题。为了解决这个问题，人们对循环神经网络做了很多的改进，其中最有效的改进
2021-04-19 19:53:27
74
原创 Datawhale组队学习活动 Task 3
MFCC提取特征，具体已经在task1说了。其它的音频特征可以分为时域和频域。例如Bark谱，短时过零率，基频，共振峰，能量等。由于人在车上，后续会继续补充的详细音频特征的知识。
2021-04-17 22:55:43
111
原创 Datawhale学习组队活动 Task2
本赛季的数据位食物的声音识别，主要根据咀嚼食物时候发出的声音从而识别出相应的食物。主要分为20类，具体已经在task 1中写道。官方提供数据集为训练集和测试集。官方的baseline 主要使用的方法为cnn。因为baseline的特征提取主要用的MFCC，所以查了一下MFCC的相关概念MFCC特征：基于人耳听觉特性提出来的，符 合人类的听觉特性，不仅能很好地度量语音频谱的 能量包络，同时倒谱运算具有良好的解卷性能，因此MFCC特征广泛地应用于情感语音识别、说话人识别、音频和音乐分类方面。因为第一次以
2021-04-15 19:53:11
70
原创 Datawhale学习组队活动 Task1
本次参加Datawhale学习组队活动，以天池比赛的“食物语音识别”为学习任务，Datawhale提供了两个baseline，一个是基于CNN的模型，另外一个是基于LSTM的模型。由于个人兴趣所致，本文选择基于LSTM模型进行学习。运行环境为：win10+python(3.8)+cuda(10.2)+torch(1.8.1)+torchvision(0.9.1)以下为查看方法：cuda：进入cmd下运行nvcc --version命令torch和torchvision：进入Anaconda Pr
2021-04-13 21:04:06
136
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人