听音识情绪 | 程序员手把手教你搭建神经网络,更快get女朋友情绪,求生欲max!⛵

音频数据的情感分类_pytorch实现 音频数据的情感分类_pytorch实现.使用模型Parallel 2D CNN - Trnasformer Eencoder在数据集RAVDESS上,实现了96.78%的准确率。 阅读详情

💡 作者:韩信子@ShowMeAI
📘深度学习实战系列:https://www.showmeai.tech/tutorials/42
📘NLP实战系列: https://www.showmeai.tech/tutorials/45
📘本文地址:https://www.showmeai.tech/article-detail/291
📢 声明:版权所有,转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

《礼记·乐记》中说:“凡音之起,由人心生也。人心之动,物使之然也。感于物而动,故形于声。声相应,故生变。”

这说的是人对于一种事物有感而生,必然表现在声音上。而晚清名臣曾国藩也提到,他在认人识人中有自己独到的方法,其中,特别喜欢通过声音来识别人才。他认为,声音不仅能反映出一个人的贵贱和修养,也能听出其内心情绪变化。结合这个方法他一生提拔了大量人才。

既然声音对一个人的情绪性格表现这么明显,AI算法能不能根据声音识别情绪和气氛呢?如果来电话的女朋友,一张口AI就知道是什么情绪状态,钢铁直男小哥哥们可能求生欲技能可以plus max。

在本篇内容中,ShowMeAI就针对「语音情感识别任务」,手把手带大家来构建一个处理和分类语音检测情绪的系统。

💡 背景概述

要完成语音情绪识别任务,我们先来了解一点基础知识:

语音包括三类不同的特征:

  • 词汇特征(使用的词汇)

  • 视觉特征(说话者的表达方式)

  • 声学特征(音高、音调、抖动等声音属性)

我们当然可以基于词汇(文本)或者视觉信息来做情绪分类,在本篇内容中我们聚焦在声学特征进行分类,我们构建一个深度学习的神经网络来完成这个任务。

当然使用深度学习网络进行情绪识别也有其自身的挑战。大家都知道,情绪是高度主观的,解释因人而异;而且很多时候,我们很难将情绪归类为单一类别,我们在任何给定时间都可能感受到一系列情绪。所以真实解决这个问题的时候,数据的采集和标注其实是一个有挑战的任务。

💡 数据说明

在本篇中,ShowMeAI使用到的是公开数据集RAVDESS来训练该模型。RAVDESS 数据集包含1440个文件,覆盖两种不同类型的数据:演讲和歌曲。由24位专业演员(12位女性,12位男性)录制,语音情绪包括平静、快乐、悲伤、愤怒、恐惧、惊讶和厌恶。每种情绪都包含2种不同的程度(正常,强烈)。

数据可以在 🏆kaggle平台数据页下载,大家也可以在ShowMeAI的百度网盘中直接下载整理好的版本。

🏆 实战数据集下载(百度网盘):公众号『ShowMeAI研究中心』回复『实战』,或者点击 这里 获取本文 [4] 搭建基于深度学习的语音情感识别系统 『RAVDESS Emotional speech audio 数据集』

⭐ ShowMeAI官方GitHub:https://github.com/ShowMeAI-Hub

💡 神经网络开发应用

我们使用神经网络来对音频数据进行理解和分析预估,有不同的神经网络可以使用(多层感知器、 CNN 和 LSTM 等都可以处理音频时序数据),基于效率和效果考虑,我们下面会构建深度卷积神经网络来对音频文件中的情绪进行分类。

关于卷积神经网络的详细知识可以参考ShowMeAI下述教程:

① 数据导入与简单分析

我们首先导入数据,并做一点简单的可视化和分析,这里的音频数据我们会使用 LibROSA工具库来处理和绘图(波形和频谱图)。

针对语音相关的任务(语音识别、声纹识别等),MFCC(Mel Frequency Cepstrum Coefficient,Mel频率倒谱系数)是非常有效的表征特征。Mel频率是基于人耳听觉特性提出来的,它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系,计算得到的Hz频谱特征,它广泛地应用在语音各项任务中。使用 LibROSA 包可以轻松导入音频数据并提取 MFCC 格式信息。

# 在notebook中通过pip install安装librosa包
!pip install librosa
# 导入工具库
import librosa
import librosa.display
import numpy as np
import pandas as pd
import glob
import os, sys
import matplotlib.pyplot as plt
# 读取音频数据
data, sampling_rate = librosa.load('Data/03-02-06-02-02-02-12.wav')

# 绘制音频图像
%matplotlib inline
plt.figure(figsize=(15, 5))
librosa.display.waveshow(data, sr=sampling_rate)

我们得到了如下的音频波形图

下面我们绘制一下音频的频谱图

import scipy.io.wavfile

sr,x = scipy.io.wavfile.read('RawData/03-02-06-02-02-02-12.wav')

# 参数: 10ms一步, 30ms窗长
nstep = int(sr * 0.01)
nwin  = int(sr * 0.03)
nfft = nwin

window = np.hamming(nwin)


nn = range(nwin, len(x), nstep)
X = np.zeros( (len(nn), nfft//2) )

for i,n in enumerate(nn):
    xseg = x[n-nwin:n]
    z = np.fft.fft(window * xseg, nfft)
    X[i,:] = np.log(np.abs(z[:nfft//2]))

plt.imshow(X.T, interpolation='nearest',
    origin='lower',
    aspect='auto')

plt.show()

生成的频谱图如下图所示。

② 数据标签构建与映射

下一步我们来构建一下分类问题的标签数据

feeling_list=[]

# 所有数据
mylist= os.listdir('Data/')

# 遍历数据
for item in mylist:
    if item[6:-16]=='02' and int(item[18:-4])%2==0:
        feeling_list.append('female_calm') #女性平静
    elif item[6:-16]=='02' and int(item[18:-4])%2==1:
        feeling_list.append('male_calm') #男性平静
    elif item[6:-16]=='03' and int(item[18:-4])%2==0:
        feeling_list.append('female_happy') #女性开心
    elif item[6:-16]=='03' and int(item[18:-4])%2==1:
        feeling_list.append('male_happy') #男性开心
    elif item[6:-16]=='04' and int(item[18:-4])%2==0:
        feeling_list.append('female_sad') #女性悲伤
    elif item[6:-16]=='04' and int(item[18:-4])%2==1:
        feeling_list.append('male_sad') #男性悲伤
    elif item[6:-16]=='05' and int(item[18:-4])%2==0:
        feeling_list.append('female_angry') #女性愤怒
    elif item[6:-16]=='05' and int(item[18:-4])%2==1:
        feeling_list.append('male_angry') #男性愤怒
    elif item[6:-16]=='06' and int(item[18:-4])%2==0:
        feeling_list.append('female_fearful') #女性恐惧
    elif item[6:-16]=='06' and int(item[18:-4])%2==1:
        feeling_list.append('male_fearful') #男性恐惧
    elif item[:1]=='a':
        feeling_list.append('male_angry') #男性愤怒
    elif item[:1]=='f':
        feeling_list.append('male_fearful') #男性恐惧
    elif item[:1]=='h':
        feeling_list.append('male_happy') #男性开心
    #elif item[:1]=='n':
        #feeling_list.append('neutral')
    elif item[:2]=='sa':
        feeling_list.append('male_sad') #男性悲伤
# 构建label Dataframe
labels = pd.DataFrame(feeling_list)
# 输出前920个样本label
labels[:920]

输出的label如下所示

③ 数据处理与特征工程

我们已经对数据做了初步理解了,下面我们从音频文件中提取特征(音频信息表征),模型可以更有效地对音频进行建模和预估。这里的特征提取我们依旧使用 LibROSA 库。

因为CNN模型的输入维度是固定的,我们在特征提取过程中,限制了音频长度(3 秒,大家在计算资源足的情况下可以选择更长的时间)。我们还做了一点处理,把每个文件的采样率增加了一倍,同时保持采样频率不变。这个操作是为了收集到更多特征。

# 构建1个包含feature特征列的Dataframe
df = pd.DataFrame(columns=['feature'])
bookmark=0

# 遍历数据
for index,y in enumerate(mylist):
    if mylist[index][6:-16] not in ['01', '07', '08'] and mylist[index][:2]!='su' and mylist[index][:1] not in ['n','d']:
        X, sample_rate = librosa.load('Data/'+y, res_type='kaiser_fast',duration=2.5,sr=22050*2,offset=0.5)
        mfccs = librosa.feature.mfcc(y=X, sr=np.array(sample_rate), n_mfcc=13)
        feature = np.mean(mfccs, axis=0)
        df.loc[bookmark] = [feature]
        bookmark=bookmark+1     
# 拼接特征与标签
df3 = pd.DataFrame(df['feature'].values.tolist())
newdf = pd.concat([df3,labels], axis=1)
# 重命名标签字段
rnewdf = newdf.rename(index=str, columns={"0": "label"})

得到的特征列和标签列如下所示:

④ 模型构建与优化

在完成数据特征抽取之后,我们可以开始建模了,为了科学地建模和效果评估,我们会将模型分为训练集和测试集,用测试集评估模型的性能。

# 打乱样本顺序
from sklearn.utils import shuffle
rnewdf = shuffle(newdf)

# 80%的训练集,20%的测试集
newdf1 = np.random.rand(len(rnewdf)) < 0.8
train = rnewdf[newdf1]
test = rnewdf[~newdf1]

# 输出部分数据看看
train[250:260]

我们得到如下的训练集部分样本

在实际建模的时候,标签的格式要适用网络最后的softmax结构,我们对标签label使用LabelEncoder进行映射处理,得到one-hot的表示。

关于one-hot独热向量编码,可以查看ShowMeAI的机器学习实战教程中的文章 机器学习特征工程最全解读

# 训练集特征与标签
trainfeatures = train.iloc[:, :-1]
trainlabel = train.iloc[:, -1:]

# 测试集特征与标签
testfeatures = test.iloc[:, :-1]
testlabel = test.iloc[:, -1:]

from tensorflow.keras.utils import np_utils
from sklearn.preprocessing import LabelEncoder
# 转为numpy array格式
X_train = np.array(trainfeatures)
y_train = np.array(trainlabel)
X_test = np.array(testfeatures)
y_test = np.array(testlabel)

# 映射编码
lb = LabelEncoder()
y_train = np_utils.to_categorical(lb.fit_transform(y_train))
y_test = np_utils.to_categorical(lb.fit_transform(y_test))

我们得到的 y_train 形如下面格式:

下面我们构建一个深度卷积网络来完成分类问题。这个 CNN 模型包括Conv1D卷积层、pooling池化层,以及 Dropout 随机失活层,以及最后的全连接层。

# 扩充维度
x_traincnn =np.expand_dims(X_train, axis=2)
x_testcnn= np.expand_dims(X_test, axis=2)

# 构建CNN序贯模型
model = Sequential()
# 卷积层+激活层
model.add(Conv1D(256, 5,padding='same', input_shape=(216,1)))
model.add(Activation('relu'))
model.add(Conv1D(128, 5,padding='same'))
model.add(Activation('relu'))
# Dropout防止过拟合
model.add(Dropout(0.1))
# 池化层降维
model.add(MaxPooling1D(pool_size=(8)))
# 卷积层+激活层
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
model.add(Conv1D(128, 5,padding='same',))
model.add(Activation('relu'))
# 展平+全连接层
model.add(Flatten())
model.add(Dense(10))
model.add(Activation('softmax'))
# 输出模型信息
model.summary()

我们得到如下信息,大家可以清晰地看到模型结构

下面我们使用模型对数据进行拟合训练

# 编译
model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy'])
# 训练
cnnhistory=model.fit(x_traincnn, y_train, batch_size=16, epochs=700, validation_data=(x_testcnn, y_test))

部分训练信息如下:

⑤ 模型存储及测试集评估

# 模型存储

# 模型名称
model_name = 'Emotion_Voice_Detection_Model.h5'
# 路径名称
save_dir = os.path.join(os.getcwd(), 'saved_models')
model_path = os.path.join(save_dir, model_name)
# 模型存储
model.save(model_path)
print('模型存储在 %s ' % model_path)
# 模型重加载与测试集评估
from tensorflow import keras
loaded_model = keras.models.load_model(model_path)

# 测试集评估
score = loaded_model.evaluate(x_testcnn, y_test, verbose=0)
print("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100))

⑥ 测试集预估

# 预估得到概率
preds = loaded_model.predict(x_testcnn, batch_size=32, verbose=1)
# 取出概率最高的类别
pred_labels = preds.argmax(axis=1)
# 映射回情绪名称
pred_labels = pred_labels.astype(int).flatten()
predictedvalues = (lb.inverse_transform((pred_labels)))

# 真实测试集标签
actual_labels = y_test.argmax(axis=1).astype(int).flatten()
actualvalues = (lb.inverse_transform((actual_labels)))

# 合并预测标签与真实标签
final_df = pd.DataFrame({'actualvalues': actualvalues, 'predictedvalues': predictedvalues})

# 输出部分结果
final_df[170:176]

结果如下:

💡 实时预估演示

下面我们录制了一个实时音频文件,并在得到的模型上进行测试。

# 录制音频
import sounddevice as sd
from scipy.io.wavfile import writefs = 44100  # 采样率
seconds = 4  # 时长
sd.wait()  # 录制直至结束
write('output.wav', fs, myrecording)  # 存储为wav文件
data, sampling_rate = librosa.load('output.wav')
plt.figure(figsize=(15, 5))
librosa.display.waveshow(data, sr=sampling_rate)
X, sample_rate = librosa.load('output.wav', res_type='kaiser_fast',duration=2.5,sr=22050*2,offset=0.5)
mfccs = np.mean(librosa.feature.mfcc(y=X, sr=np.array(sample_rate), n_mfcc=13),axis=0)
livedf= pd.DataFrame(data=mfccs)
livedf = np.expand_dims(livedf.stack().to_frame().T, axis=2)
livepreds = loaded_model.predict(livedf, batch_size=32, verbose=1)
lb.inverse_transform(livepreds.argmax(axis=1))

我们得到正确的结果array(['male_sad'], dtype=object)。

参考资料

听,是梯度的声音!用听觉监控神经网络训练,边听音乐边炼丹 大数据文摘出品作者:钱天培、魏子敏训练神经网络是个极为枯燥的工作。与其盯着Learning Curves发呆,或许可以调动一下其他感官,一起做点更有意思的事情。比如说,眼睛看久了,可以让耳朵也活动活动。一位酷爱弹吉他的数据科学家就希望,在调参时把其他器官也调动起来共同监督神经网络的训练。他用一段程序将神经网络训练时的梯度转化成音频,这样,你就可以通过听不同的声音模式知晓训练情况。先来一段我们制作的... 阅读详情

相关推荐

手把手教你学Simulink(87):永磁同步电机无传感器FOC控制——基于神经网络的位置估计算法实现

本文详细介绍了基于神经网络算法的永磁同步电机无传感器FOC控制实现方法。通过Simulink集成浅层神经网络,从电机电流电压信号中估算转子位置,替代传统物理传感器,显著提升系统可靠性和降低成本。文章涵盖算法原理、数据训练、Simulink实现及性能优化,为无人机、家电等应用提供高效解决方案。

pink的博客 952

浅谈PyQt5中语音识别结合多线程

前不久我用PyQt5写语音识别,发现在调用语音识别代码模块时,界面会卡成白屏,后来在网上找到了问题所在——没有使用多线程。。。于是我就在网上找到了使用方法,想和大家分享,一起学习进步! 1.为什么我们要使用多线程? 看看我当时界面卡白屏的情况及代码: # author: xiaowen time:2021/11/21 from PyQt5.QtWidgets import QPushButton from PySide2.QtWidgets import QApplication, QMess

m0_51275803的博客 3561

斯坦福应智韬:Graph Neural Network Applications

不到现场,照样看最干货的学术报告! 嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。AI未来...

读芯术的博客 1064

[语音识别] 基于Python构建简易的音频录制与语音识别应用

PyAudio是一个用于处理音频输入和输出的Python库,其主要变量和接口的实现依赖于C语言版本的PortAudio。PyAudio提供从麦克风或其他输入设备录制音频、保存音频文件、实时处理音频数据以及播放音频文件或实时音频流等功能。此外,PyAudio也允许通过设置采样率、位深度、声道数等参数以及支持回调函数和事件驱动机制来满足不同应用需求。PyAudio。PyAudio的安装需要Python3.7及以上环境。本文所用PyAudio版本为0.2.13。

You and Me 1万+

基于PyQT5、PocketSphinx的python语音识别小程序

基于PyQT5、PocketSphinx的python语音识别小程序

937

sklearn-audio-classification:对RAVDESS数据集上的音频分类进行深入分析。 使用多种ML技术和MLP进行特征工程,超参数优化,模型评估和交叉验证

sklearn-audio-classification:对RAVDESS数据集上的音频分类进行深入分析。 使用多种ML技术和MLP进行特征工程,超参数优化,模型评估和交叉验证

【Ryerson情感说话/歌唱视听数据集(RAVDESS) 】

Ryerson情感说话/歌唱视听数据集(RAVDESS) 数据集介绍

yn20000227的博客 8209

RAVDESS数据集

语音文件,这是瑞尔森视听数据库的情感语音和歌曲数据集,官网资源需要翻墙下载,speech-emotion-recognition-ravdess-data.zip

AirPods Max拆解:4399元的高端头戴耳机值吗?

深入拆解苹果AirPods Max,揭秘其不锈钢头梁、织物穹网与H1芯片协同工作的精密结构。解析主动降噪、空间音频背后的技术细节,以及多达9颗麦克风和双电池设计的实际意义,展现高端TWS耳机的工程美学。

weixin_35973118的博客 1133

使用librosa进行语音情感识别 数据集 speech-emotion-recognition-ravdess-data

在这个 Python 小型项目中,我们将使用 RAVDESS 数据集;这是 Ryerson 情感语音和歌曲音频-视频数据库,可以免费下载。该数据集包含 7356 个文件,由 247 人进行了 10 次情感有效性、强度和真实性的评分。整个数据集来自 24 位演员,大小为 24.8GB,但我们已经降低了所有文件的采样率。

和面部表情跟踪相关的数据集

面部表情跟踪数据集 数据说明: 该数据集包含跟踪面部标志性运动(.CSV格式),来自Ryerson情感演讲和歌曲的音频-视频数据库,可在Zenodo上获得111.演员面部的运动跟踪是由OpenFace 2.1.0121.跟踪的信息包括:面部地标检测,头部姿态估计,面部动作单元识别,眼睛注视估计。(该数据集共有2450个文件)

使用Python和Keras进行主成分分析、神经网络构建图像重建

如今,几乎我们使用的每个应用程序中都有大量数据- 听音乐, 浏览朋友的图像,或者 观看新的预告片 主成分分析PCA降维方法和R语言分析葡萄酒可视化实例,时长04:30对于单个用户来说这不是问题。但是,想象一下同时处理成千上万的请求(如果不是上百万)具有大数据的请求。必须以某种方式减少这些数据流,以便我们能够物理上将其提供给用户-这就是数据压缩的开始。压缩技术很多,它们的用法和兼容性也各不相同。压缩有两种主要类型:例如,使用Autoencoders,我们可以分解此图像并将其表示为下面的32矢量代码。使用它,我

拓端研究室TRL 786

从零构建AI智能体:基于opencode框架的Agent开发全流程指南

AI智能体(AI Agent)作为人工智能领域的重要发展方向,正从概念走向工程实践。其核心原理在于赋予AI自主规划、执行和迭代的能力,使其不再局限于简单的问答,而是能够理解复杂目标、分解任务、调用工具并完成闭环。这一技术价值在于将AI从“对话伙伴”升级为“执行伙伴”,极大地拓展了自动化边界,在智能客服、数据分析、自动化运维等场景展现出巨大潜力。本文聚焦于如何利用opencode这一热门开发框架,快速构建具备实际能力的智能体。通过拆解其核心组件如技能库、规划器与运行时,并结合具体实践案例,系统阐述了从环境搭建

weixin_29055699的博客 441

Python和Keras进行主成分分析、神经网络构建图像重建

介绍 如今,几乎我们使用的每个应用程序中都有大量数据- 听音乐, 浏览朋友的图像,或者 观看新的预告片 对于单个用户来说这不是问题。但是,想象一下同时处理成千上万的请求(如果不是上百万)具有大数据的请求。必须以某种方式减少这些数据流,以便我们能够物理上将其提供给用户-这就是数据压缩的开始。 压缩技术很多,它们的用法和兼容性也各不相同。 压缩有两种主要类型: 无损:即使我们不太“.........

大数据部落 1545

IAR9.4报错之编码方式

IAR9.40编码方式错误导致的报错

qq_36081075的博客 2627

Ansys Lumerical 2023 R1.2新功能实战:薄膜铌酸锂调制器仿真全流程解析

本文详细解析了Ansys Lumerical 2023 R1.2在薄膜铌酸锂电光相位调制器仿真中的最新功能与应用。通过实战演示,展示了从电极配置、电场计算到模式分析的全流程,重点介绍了各向异性介电常数支持和多物理场耦合优化等关键技术,助力开发者高效设计高性能光通信器件。

weixin_28454475的博客 1217

BP神经网络与Matlab在声品质评估中的实战应用

BP神经网络作为一种多层前馈网络,通过误差反向传播算法实现复杂非线性关系的建模,在工程领域具有广泛的应用价值。其核心原理包含前向传播、误差计算和反向传播三个阶段,能够自动学习输入特征与输出目标之间的映射关系。在声学工程中,BP神经网络特别适用于声品质评估这类需要量化主观感受的任务。Matlab凭借其强大的神经网络工具箱和信号处理能力,为研究者提供了从数据预处理到模型部署的全流程支持。本文以汽车空调噪声评估为例,详细解析如何利用Matlab实现BP神经网络模型,包括特征工程、网络构建、训练优化等关键技术环节,

weixin_29574585的博客 197

差分运放电路输出电压偏置设计解析

差分运算放大电路是信号处理中的基础模块,通过差分对管结构实现共模抑制与差模放大。其核心原理基于运放的虚短虚断特性,当电阻网络满足对称条件时,输出电压与输入差分成正比。在工业测量系统中,由于ADC通常仅支持正电压输入,需要通过偏置电路将双极性信号平移至正电压范围。典型设计采用精密基准电压源和匹配电阻网络,既保持信号完整性又满足系统接口要求。本文以-100V高压测量为例,详细解析了分压网络设计、参考电压选取以及电阻匹配等关键技术要点,为传感器接口电路设计提供实践参考。

weixin_35750747的博客 471

图神经网络在工业故障诊断中的‘拓扑魔法’:从轴承振动数据到关系型知识的跃迁

本文探讨了图神经网络(GNN)在工业故障诊断中的革命性应用,特别是在风电轴承故障诊断领域。通过多源信息融合和动态图结构建模,GNN显著提升了故障识别准确率至92%,比传统方法高出37%。文章还介绍了CVC-Net等创新算法,以及从实验室到产线的部署实战,展示了智能诊断技术的巨大潜力。

pluto的博客 1057

ZYNQ RFSoC 的DAC如何做到从 0到Fs频段 信号输出

之前一直没太了解 RFSoC 的DAC如何输出在 Fs/2 到 Fs 频率范围内的信号,例如 ZCU216中的 ZU49DR,其RF-DAC最大采样率是 9.85GSPS,如果想输出的信号中心频率在5.8G,它是如何有效输出在第二奈奎斯特区域范围的信号的。

weixin_44630490的博客 1555

【软件安装系列】Ubuntu+mysql5.7.27+Jira8.3.1+邮箱服务器配置+Confluence6.15.7安装经验和采坑总结

文章目录一、软件准备(百度云易被吞,就不放了)1.1 官网下载的新鲜的Jira和Confluence1.2 linux的jdk一份1.3 Jira和Confluence的破解程序或者破解包一份1.4 java的连接器一份二、安装过程1--java环境配置2.1 将下载下来的jdk包解压在/usr/local/java目录中2.2 写入环境变量三、安装过程2--mysql5.7.27环境配置3.1 ...

xiaosha_的博客 6896

CCMusic算法解析:卷积神经网络在音乐分类中的应用

本文介绍了如何在星图GPU平台上自动化部署🎸 CCMusic Audio Genre Classification Dashboard镜像,实现音乐流派自动识别功能。该镜像基于CNN频谱图分析技术,可快速将音频转换为梅尔频谱图并分类16种音乐风格,典型应用于智能歌单生成、音乐版权标签化及创作辅助等场景。

weixin_35982453的博客 264

latex写论文(TeXstudio工具)

目录前言IEEE模板模板免费分享参考文献写作方法我的.tex文件代码 前言 学校老师要求我们以IEEE顶级会议格式与标准写报告,于是过程虽然麻烦点,但是效果还是不错了,下面先展示一下自己写完的效果。 IEEE模板 我是在 Overleaf 上注册了个账号下载了模板,里面有各种会议论文的写作模板,这个注册还挺麻烦,要外网注册,国内邮箱都不行。进行后点菜单,菜单里有下载源码。 https://cn.overleaf.com/project/5fe5b082dff088649fc67106 模板免费分享 已

小样yx的博客 6755

Cleer Arc5耳机宇宙微波背景辐射音效生成

Cleer Arc5通过物理模型与AI算法,将宇宙微波背景辐射转化为可听音效。利用黑体辐射公式生成频谱,结合相位随机化和本地DSP处理,实现低延迟、不重复的沉浸式音频体验,并通过轻量神经网络动态适配环境与用户状态,提升放松与助眠效果。

weixin_42560991的博客 452

卫星轨道坐标转换:轨道六根数到经纬高(经STK验证)

a:半长轴(km)e:偏心率i:轨道倾角(度)Ω:升交点赤经(度)ω:近地点幅角(度)ν:真近点角(度)

weixin_52370774的博客 171

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

ccmusic-database参数详解与优化:CQT特征提取+VGG19_BN模型结构深度解析

本文介绍了音乐流派分类模型ccmusic-database的技术原理与优化方法。该模型基于VGG19_BN视觉架构,通过CQT特征提取将音频转化为频谱图进行识别。用户可在星图GPU平台上实现该镜像的自动化部署,快速搭建智能音乐分类服务,典型应用于音乐流媒体平台的曲库自动标签化与分类管理。

weixin_36464343的博客 415

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

上一篇: 机器学习建模高级用法!构建企业级AI建模流水线 ⛵
下一篇: 字节有『芯』在跳动,了吗?YOLOv7目标检测实现:确实挺好;伯克利博士找工作的6个月;软件工程资源大列表 | ShowMeAI资讯日报
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

ShowMeAI

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