OPENsmile

最近在做暴力音频的检测，提取了4类音频特征52维，可是发现分类的效果并不好

我的结果如下

•Samplesize

training data800(half and half)

•Thetime consuming of extracting audio feature

586523 / 800 =733.15375(ms)

•Testing data

100 audio

•Recall  = TP/(TP + FN)

R = 28 / (28 + 22) =56%

•Precision= TP/(TP + FP)

P = 28 / (28 + 10) =76.32%

•F1-Measure(F-score)= 2P*R / (P + R)

F-score =2*0.7632*0.56/(0.7632+0.56) = 64.61%

发现其实结果很糟糕0.76的准确率，最不能忍的是耗时间，800个音频居然需要500多秒

于是使用了一下OPENsmile，做了下试验，提取ｇｉｖｅ　ｉｔ　ｔｏ　ｇｏ这个歌曲的音频帧能量（Ｅｎｅｒｇｙ）这个特征耗时仅为７００多毫秒，提取了２６０６２维特征

于是ＯＰＥＮｓｍｉｌｅ还是很有搞头的