AudioSet数据集介绍(含国内镜像地址)

AudioSet是Google发行的声音版ImageNet。

AudioSet提供了两种格式：

1. csv文件，包括音频所在的YouTube视频的ID，开始时间，结束时间 以及标签(可能是多标签)
2. 128维的特征，采样率为1Hz，也就是把音频按秒提取为128维特征。特征是使用VGGish模型来提取的，VGGish下载地址为 TensorFlow models GitHub repository，可以使用该模型提取我们自己的数据。VGGish也是用来提取YouTube-8M的。这些数据被存储为.tfrecord格式。

128维特征的下载地址(基于所在地)

• storage.googleapis.com/us_audioset/youtube_corpus/v1/features/features.tar.gz
• storage.googleapis.com/eu_audioset/youtube_corpus/v1/features/features.tar.gz
• storage.googleapis.com/asia_audioset/youtube_corpus/v1/features/features.tar.gz

本人使用的是第2种方法。

其中，label的类型映射对应，可以通过class_labels_indices.csv了解。

AudioSet还提供了Starter Code用来在AudioSet上进行训练，以便作为baseline，这代码也是用来在YouTube8M上训练的，代码可以在Starter Code下载

更多的细节，可以在Google的论坛AudioSet_User了解。

其他相关资源：

Github-An inplementation of vggish in keras with tf backend

paper-AUDIO SET CLASSIFICATION WITH ATTENTION MODEL: A PROBABILISTIC PERSPECTIVE

AudioSet国内镜像下载地址

文件镜像空间需付费，若有帮助，欢迎支持本站，为更多人提供开源资助！