Skip to content

Friedrich-M/Audio-signal-classification-and-identification

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

torch-Audio-Recognition

1.目录结构

.
├── audio
├── data
├── picture
├── work_space/mbv2
├── README.md
├── demo.py
├── drawAudio.py
└── train.py

2.环境

  • 使用pip命令安装libsora和pyaudio
pip install librosa
pip install pyaudio
pip install pydub

3.数据处理

(1)数据集Urbansound8K

  • Urbansound8K是目前应用较为广泛的用于自动城市环境声分类研究的公共数据集, 包含10个分类:空调声、汽车鸣笛声、儿童玩耍声、狗叫声、钻孔声、引擎空转声、枪声、手提钻、警笛声和街道音乐声。
  • 数据集下载

(2)自定义数据集

  • 可以自己录制音频信号,制作自己的数据集,参考record_audio.py
  • 每个文件夹存放一个类别的音频数据,每条音频数据长度在3秒以上,建议每类的音频数据均衡
  • 生产train和test数据列表:参考create_data.py

(3)音频特征提取

音频信号是一维的语音信号,不能直接用于模型训练,需要使用librosa将音频转为梅尔频谱(Mel Spectrogram)

wav, sr = librosa.load(data_path, sr=16000)
# 使用librosa获得音频的梅尔频谱
spec_image = librosa.feature.melspectrogram(y=wav, sr=sr, hop_length=256)

(4)音频图谱可视化

可以直接运行drawAudio.py查看音频图谱

python drawAudio.py

4.Train

python train.py \
    --data_dir path_to_UrbanSound8K \
    --train_data path_to_UrbanSound8K/train.txt \
    --test_data path_to_UrbanSound8K/test.txt \

5.预测

python demo.py \
    --model_file data/pretrained/model_075_0.965.pth \
    --file_dir data/audio

Releases

No releases published

Packages

No packages published

Languages