文件名称：用matlab生成谐波代码-InstrumentClassifier:仪器分类器
文件大小：2.63MB
文件格式：ZIP
更新时间：2024-06-10 11:40:42
系统开源
用matlab生成谐波代码乐器识别 安装 确保已安装git ，然后可以克隆此项目。 Python 2.7.10 :: Anaconda 2.3.0 (x86_64)我建议使用Anaconda python环境。 使用虚拟环境是一种很好的做法，但是请确保您具有必需的软件包。 软件包：scipy numpy sklearn pickle matplotlib 配置 设置数据路径 在util.py中，设置DATA_DIR = / path / to / data，目录结构应如下所示 data/ instrument_family_1/ instrument_1_1/ instument_1_1.npy instrument_1_2/ instument_1_2.npy ... instrument_family_2/ ... 对于每台仪器，所有原始波数据都将被读取到numpy数组中，并进行预处理以获取instrument_X_X.npy。 这将大大减少将数据读入内存的时间。 前处理 请使用save_wavedata的方法utils.py预处理的音频文件并生成.npy文件。 注意，吉他音频文件
【文件预览】：
InstrumentClassifier-master
----.gitignore(27B)
----README.md(7KB)
----classifier.py(7KB)
----feature_helper.py(4KB)
----features.py(7KB)
----test()
--------string_guitar_C3.wav(766KB)
--------keyboard_piano_C3.wav(766KB)
--------string_guitar_C2.wav(1.01MB)
--------keyboard_piano_C2.wav(1.25MB)
----model()
--------svm_instrument.pkl_07.npy(106KB)
--------29_svm_family.pkl_01.npy(116B)
--------svm_instrument.pkl_01.npy(236B)
--------svm_family.pkl_01.npy(116B)
--------29_svm_family.pkl_02.npy(1000B)
--------29_svm_instrument.pkl_06.npy(128B)
--------29_svm_instrument.pkl(1KB)
--------29_svm_family.pkl_03.npy(5KB)
--------29_svm_family.pkl_08.npy(5KB)
--------29_svm_family.pkl_11.npy(80B)
--------29_svm_family.pkl_04.npy(80B)
--------29_svm_family.pkl_09.npy(128B)
--------svm_instrument.pkl_10.npy(608B)
--------29_svm_instrument.pkl_04.npy(80B)
--------scaler_instrument.pkl(300B)
--------29_svm_family.pkl(1KB)
--------svm_family.pkl_10.npy(128B)
--------29_svm_instrument.pkl_09.npy(608B)
--------29_svm_family.pkl_07.npy(52KB)
--------29_svm_instrument.pkl_03.npy(33KB)
--------29_svm_instrument.pkl_05.npy(176B)
--------svm_instrument.pkl_04.npy(80B)
--------29_svm_instrument.pkl_02.npy(2KB)
--------svm_family.pkl(1KB)
--------svm_instrument.pkl_08.npy(34KB)
--------svm_family.pkl_06.npy(96B)
--------svm_family.pkl_11.npy(80B)
--------29_svm_instrument.pkl_10.npy(608B)
--------29_svm_family.pkl_05.npy(112B)
--------svm_family.pkl_05.npy(112B)
--------scaler_instrument.pkl_02.npy(440B)
--------svm_family.pkl_03.npy(6KB)
--------svm_instrument.pkl_02.npy(2KB)
--------29_svm_family.pkl_06.npy(96B)
--------svm_instrument.pkl(1KB)
--------svm_instrument.pkl_05.npy(176B)
--------29_svm_instrument.pkl_07.npy(87KB)
--------scaler_instrument.pkl_01.npy(440B)
--------svm_instrument.pkl_11.npy(80B)
--------29_svm_instrument.pkl_08.npy(33KB)
--------svm_family.pkl_04.npy(80B)
--------svm_instrument.pkl_03.npy(34KB)
--------svm_instrument.pkl_09.npy(608B)
--------29_svm_instrument.pkl_11.npy(80B)
--------svm_instrument.pkl_06.npy(128B)
--------svm_family.pkl_07.npy(68KB)
--------29_svm_family.pkl_10.npy(128B)
--------svm_family.pkl_09.npy(128B)
--------svm_family.pkl_08.npy(6KB)
--------svm_family.pkl_02.npy(1KB)
--------29_svm_instrument.pkl_01.npy(236B)
----utils.py(8KB)
----test_features.py(1KB)
----classification.py(903B)
----mfcc()
--------base.py(9KB)
--------sigproc.py(5KB)
--------__init__.py(0B)