食物声音识别Task2学习笔记

最新推荐文章于 2022-03-13 15:04:32 发布
原创 最新推荐文章于 2022-03-13 15:04:32 发布 · 187 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
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。
本文介绍了声音的基本概念，包括声音的产生、传播以及声波图和声谱图的直观展示。重点讲解了两个常用的声音处理库——Librosa和PyAudio。Librosa用于加载和显示声音波形及声谱图，而PyAudio则用于播放声音文件。通过实例展示了如何使用这两个库进行声音操作。

一、学习了声音的基础知识

1.声音是怎么什么

2.声音是怎么传播的

3.直观显示声波图和声谱图

二、常见的声音处理库

1.Librosa

librosa的加载和显示 

加载：

librosa.load()

显示：

plt.figure(figsize=(14, 5))
librosa.display.waveplot(data1,sr=sampling_rate1)

显示声谱图：

librosa.amplitude_to_db(np.abs(librosa.stft(data1)), ref=np.max)

2.PyAudio

播放声音

ipd.Audio('./train_sample/aloe/24EJ22XBZ5.wav')

 

 
零基础入门语音识别-食物声音识别 Task2学习笔记
weixin_43984037的博客
04-16 676
Task1学习笔记——赛题数据介绍与分析了解声音探索数据关于音频处理的库观察音频数据查看音频特征 了解声音 声音，其实就是各种声源的振动所发出来的波。它通过空气、水等弹性介质传播到动物的器官中，为动物的听觉神经所感受。 因此，从物理的角度看来声音并不是抽象的。频率、周期、波长、音速、音强、振幅（响度）、声压、波形（音色），把声音“解剖”出来就是以上所列出来的各种特征。而这，就为我们分析声音数据提供了切入点。 探索数据 关于音频处理的库 有两个常用好用的音频处理库，Librosa和PyAudio。其中Libr
【学习笔记】Task2 食物声音识别-赛题数据介绍与分析
Jimmy吖的博客
04-15 226
文章目录参考资料代码理解加载库查看音频数据查看音频特征 参考资料 Datawhale Github官方代码 Python处理音频信号实战 : 手把手教你实现音乐流派分类和特征提取 代码理解 加载库 # 加载音频处理库 import os import matplotlib.pyplot as plt import librosa import librosa.display import glob import IPython.display as ipd 1）Librosa：它通常用于分析音频信号，但更
天池学习赛 -【零基础入门语音识别-食物声音识别】Task1 食物声音识别-Baseline【代码详细手写解释】
Bessie_Lee
03-13 4373
文章目录一、Task1 食物声音识别-Baseline二、对应解析三、参考链接 一、Task1 食物声音识别-Baseline 天池对应代码链接 二、对应解析 三、参考链接 tqdm的解释 深度学习中Dropout原理解析 深度学习中Flatten层的作用 核心网络层Dense 简单认识Adam优化器 Keras.metrics中的accuracy总结 keras中两种交叉熵损失函数的探讨 还有好多链接没有粘贴进去，因为看的文件比较多，就收藏了一些对应的链接，希望可以帮助到和我一样看不懂代码的人。
零基础入门语音识别-食物声音识别[Task 5]
violethao的博客
04-21 497
Task5 食物声音识别之模型改进与优化 Task1 食物声音识别之Baseline学习 Task2 食物声音识别之赛题数据介绍与分析 Task3 食物声音识别之音频数据特征提取 Task4 食物声音识别之深度学习 根据上述4个Task的工作，我们已经完成了对于Baseline方案的整体分析，从数据准备，到特征提取，再到深度学习建模，也在Task1里得到了通过Baseline预测测试集的情况，得到了一个比较低的预测率。这说明模型有待改进，那么这节就是要说明在做完上述工作以后，如何进行优化，这可能是我们工作和
零基础入门语音识别-食物声音识别 Task1学习笔记
weixin_43984037的博客
04-14 805
零基础入门语音识别-食物声音识别 Task1学习笔记理解赛题赛题简介数据概况评估标准baseline学习总结 理解赛题 赛题简介 这次的赛题是针对若干种不同食物的咀嚼声音数据进行模型训练，完成语音分类的任务。比赛地址：零基础入门语音识别-食物声音识别。 数据概况 赛题的数据来自Eating Sound Collection，数据集中包含20种不同食物的咀嚼声音。通过观察数据文件可以看到，声音类别包括芦荟、汉堡、卷心菜、蜜饯、胡萝卜、薯条、巧克力、弗雷西、葡萄、软糖、冰淇淋、果冻、面条、泡菜、比萨、排骨、鲑鱼
【学习笔记】Task3 食物声音识别-音频数据特征提取
Jimmy吖的博客
04-17 906
参考资料 Datawhale Github官方代码 MFCC特征提取 Datawhale直播 特征提取背景 在之前的Task2中，我们初步查看了数据集的信息，并通过音频的声波图和声谱图将声音可视化了。当我们拿到这些音频数据之后，接下来就需要进行特征提取（过滤掉背景噪音等不需要的信息）筛选出我们需要的信息了。 接下来我们将简要介绍以下特征，并详细学习MFCC特征提取知识： 过零率 （Zero Crossing Rate） 频谱质心 （Spectral Centroid） 声谱衰减 (Spectral Rol
零基础入门语音识别-食物声音识别[Task 4]
violethao的博客
04-19 400
Task4 食物声音识别之深度学习 1 前情回顾 Task1 Task2 Task3 2 建立深度学习模型 2.1 学习框架 2.2 CNN网络 3 模型训练与测试 3.1 模型训练 3.2 预测测试集
零基础入门语音识别-食物声音识别[Task 2]
violethao的博客
04-15 606
Task2 食物声音识别之赛题数据介绍与分析 1 赛题数据探索 声音识别，那么声音有什么特点呢？声音是以波的形式传播，声波的特性由频率，振幅和相位决定其音高，音量和音色。丰富的声波在自然中的叠加创造了人耳可以听见以及听不见的声音，给生活带来了乐趣抑或烦恼。 赛题是分类不同食物的咀嚼声音并做标签，可以推而广之作为音乐分类，音乐推荐以及声音识别等多种用途。 2 音频相关知识点学习 为了了解我们要处理的音频数据，我们需要用到python的一些音频库对音频进行采样以及回放。在这个赛题中主要应用的是python中的l
零基础入门语音识别-食物声音识别 Task01『Baseline学习』
LiuWH1688的博客
04-13 858
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录介绍一、下载数据集二、导入数据三、建立模型四、卷积神经网络原理（CNN）卷积——提取特征池化层（下采样）——数据降维，避免过拟合全连接层——输出结果总结 介绍 本篇文章主要是我在阿里云天池学习赛零基础入门语音识别-食物声音识别上的学习笔记。参加天池比赛是快速入门数据科学的一条必经之路，感兴趣的小伙伴也可以一起参加天池比赛噢（虽然我也还是小白，嘻嘻）～ 一、下载数据集 首先通过shell对数据进行下载，也自己可以手动进行下载。 #训
零基础入门语音识别-食物声音识别[Task 3]
violethao的博客
04-17 808
Task3 食物声音识别之音频数据特征提取 1 特征提取背景 在Task2中，我们已经了解了我们需要识别的音频的样本数据的声学特征，采用ipython的库和librosa库播放并可视化了音频在幅度和声谱上的图形化特性。那么下一步就是要对这些音频文件进行处理，去掉噪声干扰，保留可以代表音频类别信息的特征。 那么该提取哪些特征呢？这还要回到Task2里分析的音频的物理特性1： 能量特征，主要是幅度代表的波形包络 时域特征，主要是相位特性所代表的物理解释，例如起音阶段，过零率，自相关 频域特征， 2 常见音频
零基础入门语音识别-食物声音识别Task4
weixin_57171836的博客
04-19 388
零基础入门语音识别-食物声音识别 CNN（卷积神经网络）模型的搭建与训练。 Task4 CNN模型搭建训练个人理解打卡 引用文本本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://github.com/datawhalechina/team-learning 在task4里我细化学习了CNN网络的搭建和代码实现，对CNN在baseline中的初步了解在Task1中就
零基础入门语音识别-食物声音识别Task5
weixin_57171836的博客
04-22 284
零基础入门语音识别-食物声音识别 食物声音识别之模型改进与优化 Task5 自主尝试模型的改进与优化 本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://github.com/datawhalechina/team-learning ...
零基础入门语音识别-食物声音识别Task6
weixin_57171836的博客
04-22 349
零基础入门语音识别-食物声音识别 Task6 语音识别基础知识介绍 本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://github.com/datawhalechina/team-learning 不知不觉，这次学习的尾声已经到来， 零基础入门语音识别-食物声音识别Task1 ...
零基础入门语音识别-食物声音识别Task1
weixin_57171836的博客
04-14 561
零基础入门语音识别-食物声音识别 本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://github.com/datawhalechina/team-learning Task1 食物声音识别-Baseline-CNN 环境要求 TensorFlow的版本：2.0 + keras sklearn librosa 对CNN提取音频特征的理解. 对CNN提取音频特征的
零基础入门语音识别-食物声音识别Task2
weixin_57171836的博客
04-15 339
零基础入门语音识别-食物声音识别 对声音识别数据的理解 Task2 食物声音识别-赛题数据介绍分析打卡 本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零零基础入门语音识别-食物声音识别挑战赛。 baseline由开源学习组织Datawhale提供 https://github.com/datawhalechina/team-learning 在Task2的学习里， 我试着理解加载音频库与处理音频数据的基本代码。 实现音频信息的有效识别我觉得离不开对傅里叶变换的理解 在
食物语音识别Task2
CalvinStarrio的博客
04-15 216
@Datawhale 食物声音识别Task2（Datawhale开源深度学习项目） 今天首先学习了关于声音的基本知识 然后通过librosa库对各类食物的声音进行了识别和处理，再运用了matplotlib进行了音频包络图的绘制 最后运用librosa.display.specshow() 绘制了各个音频的频谱，并可视化展示了出来。 ...
Task2 食物声音识别之赛题数据介绍与分析
Jack___E的博客
04-15 496
01 声音是如何产生的 声音以波的形式传播，即声波（Sound Wave）。当我们以波的视角来理解声音时，却又大繁若简起来：仅凭频率（Frequency）、 幅度（Magnitude）、相位（Phase）便构成了波及其叠加的所有，声音的不同音高（Pitch）、音量（Loudness）、音色（Timbre） 也由这些基本“粒子”组合而来。 世上形形色色的声波都可以“降解”到基本波身上，这也是傅里叶变换（Fourier Transform）的基本思想。 不同的声波有不同的频率和幅度（决定音量），人耳也有自己的
食物声音识别之音频数据特征提取 task3
weixin_53043133的博客
04-17 313
食物声音识别之音频数据特征提取 1.音频数据的特征。 常见的音频提取特征有过零率，频谱质心，声音衰弱以及色度频率，它们分别通过不同的方法对声音的不同特征进行分析。不同方法鉴别的音频提取效果也有不同。 例如过零率主要对类似金属等高冲击力的音频效果更佳。而频谱质心主要描述音色的物理参数。 下图为过零率分析图和计算方法 2.MFCC特征提取 短时傅里叶分析： 我的理解就是用这个方法可以将无法看出帧率变化规律的帧进行分割，再经过公式加工显示出特征明显的图像。 公式： ...
Task1 食物声音识别-Baseline
qq_41920295的博客
04-12 217
Task1 食物声音识别-Baseline !wget http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/train_sample.zip --2021-04-12 23:39:55-- http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531887/train_sample.zip Resolving tianchi-competition.oss-cn-hangz
易语言源码调试程序检测模块
最新发布
07-27
易语言源码调试程序检测模块
评论
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