argus-freesound:Kaggle | Freesound Audio Tagging 2019的第一名解决方案

Argus解决方案Freesound音频标记2019 此存储库包含 Challenge的第一名解决方案的源代码。 竞赛的目的是开发一种用于自动多标签音频标记的算法。 这项比赛的主要研究问题是在具有大量词汇（80个类别）的多标签分类任务中，正确利用少量可靠的，手动标记的数据以及来自网络的大量嘈杂音频数据。 解决方案 关键点： 对数刻度的梅尔谱图 带有注意，跳过连接和辅助分类器的CNN模型 SpecAugment，Mixup增强 手工重新标记低分的策展数据集样本 结合MLP二级模型和几何均值混合 使用了PyTorch的框架。 它使学习过程更加简单明了，代码简明扼要。 数据预处理 对数缩放的梅尔频谱图是基于CNN的音频场景分类中数据表示的现代标准方式。 在此解决方案中将灵感来自。 音频配置参数： sampling_rate = 44100 hop_length = 345 * 2 fmin