ESC-50数据集的分析(1)

最新推荐文章于 2025-10-24 12:37:54 发布
原创 最新推荐文章于 2025-10-24 12:37:54 发布 · 4.6k 阅读 · 21 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#可视化 #机器学习 #数字信号处理 #语音识别

本文探讨了音频特征如MFCC在单个音频片段上的分布及不同类别间的对比，通过箱图展示了特征的有效性和区分度，强调了MFCC1和过零率在声音分类中的重要性。
单个音频波形图和对应声谱图的可视化|特征可视化

原始资料来自原作者的jupyter notebook[jupyter]

这里的一些可视化工具，可能可以用来新的数据集分析，以及算法性能比较。

本人誊写的代码在这里[source]

单个音频波形图和对应声谱图的可视化

单个音频波形图和对应声谱图

特征可视化

这里是用来分析所使用的音频特征的区分度（有效性）。可视化的方法有很多，但是背后其实是降维。以常用的音频特征MFCC为例，首先看一下在单个音频clip上的分布表现。这里用的seaborn的boxplot实现了一个特征分布的箱图。箱图是一个看起来高大上的统计指标，主要用来表征数据的分布情况。和简单的使用均值和方差相比，箱图可以反映更多的信息。seaborn是matplotlib的高级封装版，仅此而已。
单clip特征箱图

注意 M F C C 0 MFCC_0

最低0.47元/天 解锁文章
音频分类-有监督-案例01：ESC-50 audio classification
u013250861的博客
07-15 850
音频分类-有监督-案例01ESC-50audioclassification。
Maven插件生态系统：最常用插件的功能详解与配置示例
最新发布
gitblog_00544的博客
12-23 899
Maven作为Java项目构建的**终极工具**，其强大的插件生态系统是其核心优势之一。通过丰富的Maven插件，开发者能够自动化执行各种构建任务，从代码编译到项目部署。本文将为你详细解析Maven插件生态系统中**最常用的插件**，包括它们的功能特点和配置方法。🚀 ## Maven插件架构设计原理 [![Maven插件生命周期类图](https://raw.gitcode.com/gh_m
ESC-50:ESC-50
04-29
ESC-50：环境声音分类数据集 | | | | | ESC-50数据集是经过标记的2000个环境音频录音的集合，适用于环境声音分类的基准测试方法。 数据集由5秒长的记录组成，这些记录分为50个语义类别（每个类别有40个示例），这些记录大致分为5个主要类别： 动物 自然的音景和水声 人声，非语音 内部/国内声音 外部/城市噪音 狗 雨 哭泣的婴儿 敲门声 直升机 公鸡 海浪 打喷嚏 鼠标点击 电锯 猪 劈啪作响 鼓掌 键盘打字 警笛 牛 板球 呼吸 门，木吱吱作响 汽车喇叭 青蛙 birds鸟 咳嗽 可以开 引擎 猫 水滴 脚步声 洗衣机 火车 母鸡 风 笑 吸尘器 教堂的钟声 昆虫（飞） 倒水 刷牙 时钟闹钟 飞机 羊 冲水马桶 打nor 时钟滴答 烟花 乌鸦 雷雨 喝酒，饮 玻璃破碎 手锯 此数据集中的剪辑是从收集的公共现场记录中手动提取的。 数据集已预先安排为5折，以进行可
终极指南：如何快速上手ESC-50环境声音分类数据集
gitblog_00975的博客
10-24 392
ESC-50数据集是一个包含2000个环境音频记录的标注集合，适用于环境声音分类方法的基准测试。每个音频片段长5秒，分为50个语义类别，每个类别40个样本，可帮助开发者快速构建和评估声音识别模型。 ## ???? 数据集核心优势与结构 ### ✨ 为什么选择ESC-50？ - **多样性覆盖**：包含动物叫声、自然景观、人类活动等5大类别50个子类（如狗吠、雨声、婴儿哭泣等） - **标准化设计*...
ECS-50语音识别数据集baseline模型
饮冰室
04-29 3094
"Envorinmental Sound Classification using Deep Learning"的复现报告 说明|实验结果|讨论|下一步工作 说明 复现的工作是github上audio-classification。因为这个project的源码比较清楚，所以复现难度几乎为0. 所做的贡献：改写了数据集读取部分，因为原始代码是为esc-10工作的，而esc现在只有esc-50数据...
音频分类-数据集：ESC-50【每个音频长度为5 秒，5个大类，50 个小类（每个小类 40 个样本），共 2000个样本】
u013250861的博客
07-14 6541
该数据集由5秒长的记录组成，这些记录被组织成50个语义类（每个类40个示例），松散地排列成5个主要类别,ESC-50数据集是2000个环境录音的标记集合，适用于环境声音分类的基准测试方法。
【亲测免费】 探索 ESC-50：一款强大的环境声音分类数据集
gitblog_00062的博客
03-26 1304
是一个由 Karol Piczak 创建的开源项目，专注于为机器学习和深度学习社区提供一个用于环境声音分类的标准数据集。这个项目在研究音频识别、智能音响和其他与声音处理相关的应用中扮演着重要的角色。 ## 项目简介 ESC-50 数据集包含了 50 个不同的环境类别，每个类别有 100 个独立录制的 5 秒长样本，总计 5,000 个样本。这些样本涵盖了广泛的环境，如动物叫声、交通噪音、室内活...
千问系统依托 ESC-50 数据集开展相关工作
08-27
Qwen（千问）依托 ESC-50 数据集开展相关工作，ESC-50 作为一款常用的环境声音分类数据集，涵盖了多种典型的环境声音类别，为千问在声音识别、分类等相关任务的研发与优化提供了重要支撑。千问借助对 ESC-50 数据...
环境声音分类基准：ESC-50数据集解析与应用
标签中提到了Python，这表明ESC-50数据集经常与Python编程语言结合使用，尤其是与音频处理库（如librosa）、数据分析和机器学习库（如Pandas和Scikit-learn）以及深度学习框架（如TensorFlow和PyTorch）一起使用。...
Audio Classification on ESC-50-paper
10-08
ES50数据集作为该领域内的一项重要资源，由Pons等人于2016年构建，包含50个不同环境下的50类声音，每类包含40个样本，共计2000个音频样本，这些样本的长度都是5秒。该数据集被广泛用于声音事件识别、音频分类等任务...
【免费下载】 ESC-50 环境声音分类数据集使用教程
gitblog_00667的博客
10-11 1171
ESC-50 是一个用于环境声音分类的数据集，包含 2000 个 5 秒长的音频文件，分为 50 个语义类别。以下是项目的目录结构及其介绍： ``` ESC-50/ ├── audio/ │ ├── 001-00001.wav │ ├── 001-00002.wav │ ├── ... │ └── 050-00040.wav ├── meta/ │ ├── esc50.csv...
Environmental-Sound-Classification-ESC-using-neural-networks-and-other-classifiers:使用ECS-10数据集进行音频特征提取和多分类
05-14
使用神经网络和其他分类器进行环境声音分类ESC 使用音频数据集进行音频特征提取和分类 包含ECS-10音频数据。 它包含10类不同的环境声音（海浪，孩子们玩耍等） 主要目标是比较6个经过测试的分类器的分类准确性。 依存关系 带有Python 2.7的Anaconda 2。 （尚未测试Python 3.6） Librosa（音频加载，音频可视化和特征提取） 科学工具学习 Keras（Theano后端） Numpy，Matplotlib 熊猫（数据可视化） Jupyter笔记本 添加了Jupyter Notebook（Python 2.7内核）以说明工作流程。 用于特征提取和分类的脚本已作为.py文件添加，并随后全部加载到Jupyter Notebook中。 运行feature_extraction.py label.npy创建一个numpy数组（ feature.npy ），
使用Pytorch框架，训练ESC-50数据集
qq_57540674的博客
01-26 1499
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
ESC-50环境声音分类数据集安装与配置指南
gitblog_00268的博客
04-12 473
ESC-50是一个标记好的环境声音录音集合，适用于环境声音分类的基准测试。该数据集包含2000个5秒钟长的录音，分为50个语义类别，这些类别大致分为五个主要类别：动物、自然声音景观和水声、人类非言语声音、室内/家庭声音以及室外/城市噪声。 该项目主要使用的编程语言是Python。 ## 2. 关键技术和框架 - **音频处理**：项目使用了一些常见的音频处理技术，如MFCC（Mel频率倒谱系...
探秘 ESC-50：一款高效的声音场景分类数据集
gitblog_00061的博客
03-26 1294
探秘 ESC-50：一款高效的声音场景分类数据集 ESC-50 项目地址: https://gitcode.com/gh_mirrors/esc/ESC-50 是一个开源的数据集，专门用于环境声音分类任务，...
ESC-50: 环境声音分类数据集使用教程
gitblog_00119的博客
04-12 547
ESC-50是一个包含2000个环境声音录音的标记集合，适用于环境声音分类方法的基准测试。该数据集由5秒钟的录音组成，分为50个语义类别，这些类别大致分为5个主要类别：动物、自然声音景观与水声、人类非语言声音、室内/家庭声音和室外/城市噪声。ESC-50数据集从Freesound.org项目的公开现场录音中手动提取片段，并预先安排成5个折叠，以进行可比较的交叉验证。 ## 2. 项目快速启动 ...
深度数字语音处理
饮冰室
04-26 3657
深度数字语音处理 引言|有用的工具|知识体系|数学|传统特征       引言 有用的工具 语音数据集|奇怪的网站|开发环境|第三方库 语音数据集 数据集 描述 ESC-50 dataset 该数据集由2000条语音组成，每条语音5秒，共分为50个语义类别（每个语义类别40条) 奇怪的网站 shields.io : 一个用来生成各种...
语音和噪声相关数据集(持续更新)
热门推荐
凌逆战的博客
10-07 1万+
语音领域和纯净语音和纯净噪声数据集 收集和整理
【人工智能项目】深度学习实现50种环境声音分类
Mind_programmonkey的博客
10-28 8576
【人工智能项目】深度学习实现50种环境声音分类 任务说明 本次准确识别5种大类，共计50种小类的音频。每个音频文件时长5秒，格式为wav。 数据集来自freesound.org公开项目，从中手动提取。训练集共计1600个，测试集400个。 导包 import os import random import numpy as np import pandas as pd import librosa import librosa.display import matplotlib.pyplot as pl
评论 3
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
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