Per-Channel Energy Normalization（PCEN）の性能確認【PyTorch】
speech commands datasetsのダウンロード MicrosoftのPyTorch を使用したオーディオ分類の概要に沿って、yes/noのspeech commands datasetsでPCENと対数スペクトルの特徴量による性能差を見ていきます。 PyTorch を使用したオーディオ分類の概要 – Microsoft Docs Learn 必要なライブラリをインポートします。Google Colabの場合は、librosaをインストールしてください。 !pip install git+https://github.com/librosa/librosa import os import torch import torchaudio from torch.utils.data import Dataset, DataLoader from torchvision impo
【PCEN】対数log-melに代わる特徴量PCEN【librosa】
音声識別や音響イベント検出の特徴量として、対数メルスペクトルがよく用いられています。この対数メルスペクトルに代わる特徴量として、2017年にPer-Channel Energy Normalization（PCEN）が提案され、性能が向上することが報告されています。今回は、librosaを使って、PCENを算出します。 Per-Channel Energy Normalization（PCEN）とは PCENは、 ICASSP2017でGoogleから提案された方法で、以下式から算出されます。 Trainable Frontend For Robust and Far-Field Keyword Spotting – arXiv Eにはメルフィルターバンクのエネルギー、Mは平滑化したエネルギーで、εはゼロ割防止の小さな定数、aによって正規化の強さを設定します。δはオフセット、rはダイナミッ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【Python】すべてのwavファイルを読み込んで、リサンプリングして書き出す
【PyTorch/librosa】Pythonで音声/音楽データをリサンプリングする
【PyTorch】Pythonで時間波形からメルスペクトログラムへ変換【librosa】
【PyTorch】Pythonで時間波形からスペクトログラムへ変換【librosa】
Pythonでwav,mp3など音声/音楽データを読み込む【PyTorch, librosa, PySoundFile, Scipy】