
音频特征提取
文章平均质量分 77
难得北窗高卧
这个作者很懒,什么都没留下…
展开
-
使用Pytorch框架,训练ESC-50数据集
本文主要介绍在Pytorch框架下,利用K折交叉验证来训练ESC-50数据集,并保存最优模型。由于只有2000个样本音频,样本数量较少,故把训练集划分为训练集、测试集,且采用5折交叉验证法,同时加深网络层数。使得最终的准确率达到要求原创 2024-01-26 22:25:24 · 1006 阅读 · 1 评论 -
利用librosa,torchaudio分别实现梅尔语谱图(Mel spectrogram )音频特征提取的详细过程
用不同的方式实现音频到梅尔谱的转变,如torchaudio,librosa,直接调用和分步实现,把音频的特征值提取出来,可用于音频分类。原创 2024-01-23 11:33:18 · 6341 阅读 · 2 评论