1119

基于tensorflow的音频分类

1.数据集的选择：

　　Google AudioSet（被分成了三部分：均衡的训练集、不均衡的训练集以及评估集），它是基于有标签的 YouTube 视频片段，可以以两种格式下载：

• 每一个视频片段都有 CSV 文件描述，包括 YouTube 视频 ID、起始时间和结束时间、以及一个或多个标签,（什么是CSV格式文件？)

• 提取出的音频特征以 TensorFlow Record 文件的形式被存。(什么是TensorFlow Record？什么用？）

• note:这些音频特征与YouTube-8M 模型是兼容的,也提供了 TensorFlow VGGish 模型作为特征提取器！可以进行选择！

2.训练模型：

　　note：YouTube8M模型是固定的样本类别数，需要对这个部分进行修改，以将类别数作为参数传入。

　　  YouTube-8M 能够处理两种类型的数据：总体特征和帧特征(Frame-Level )。Google AudioSet 能够将我们之前提到的数据作为特征(feature),同时这种特征是以帧的格式给出的。

　   （1）YouTube-8M 模型完整列表（https://github.com/google/youtube-8m#overview-of-models）

　   （2）note：训练数据是帧格式的，所以必须使用帧级别的模型。

　　  note:Please also verify that you have Python 2.7+ and Tensorflow 1.0.0 or higher installed.

 　　 note: 使用Audio Features 可以参考ReadMe.