文件名称：颜色分类leetcode-seld-dcase2019:DCASE2019挑战的声音事件定位任务基准
文件大小：642KB
文件格式：ZIP
更新时间：2024-07-26 16:38:34
系统开源
颜色分类leetcode DCASE 2019：声音事件定位和检测 (SELD) 任务 DCASE 2019 Challenge现已结束，所有提交的结果都可以看到。 如果您正在寻找 DCASE 2020 挑战，请查看 检查多个静止和移动源的声音事件定位、检测和跟踪。 该存储库还包括使用 Ambisonic 和 Circular Array 格式合成的多混响场景中具有固定源的数据集。 此外，它还包括源以 Ambisonic 格式以不同角速度移动的数据集。 是识别声音事件的时间开始和偏移、在活动时跟踪空间位置以及进一步关联描述声音事件的文本标签的组合任务。 作为其中的一部分，我们正在组织一个 . 这个 github 页面共享了该任务的基准方法、SELDnet 和数据集。 可以在 和 上找到描述 SELDnet 的论文。 数据集、基线方法和基准分数已在可用的任务文件中进行了描述。 如果您有兴趣阅读 . 如果您正在使用此代码或任何格式的数据集，请考虑引用以下两篇论文 Sharath Adavanne、Archontis Politis 和 Tuomas Virtanen，“用于声音事件定位和检
【文件预览】：
seld-dcase2019-master
----README.md(15KB)
----calculate_SELD_metrics.py(4KB)
----metrics()
--------evaluation_metrics.py(25KB)
--------__init__.py(0B)
--------LICENSE.md(1KB)
----keras_model.py(2KB)
----misc_files()
--------test_SELD_metrics.py(11KB)
--------__init__.py(0B)
--------check_dataset_distribution.py(6KB)
--------visualize_SELD_output.py(4KB)
----seld.py(16KB)
----cls_data_generator.py(12KB)
----LICENSE.md(2KB)
----cls_feature_class.py(14KB)
----images()
--------SELDnet_output.png(569KB)
--------DCASE2019_SELDnet.png(44KB)
--------DCASE2019_SELDnet_output.png(23KB)
----test_files()
--------split1_ir0_ov2_11.csv(2KB)
--------split1_ir1_ov2_31.csv(2KB)
--------split1_ir0_ov1_1.csv(1KB)
--------split1_ir1_ov1_21.csv(1KB)
----batch_feature_extraction.py(2KB)
----parameter.py(3KB)