模型介绍
中文整理简介
音乐流派分类模型是在计算机视觉 (CV) 领域的预训练模型基础上进行微调的, 旨在对音频数据进行流派分类。在预训练阶段, 该模型通过大规模计算机视觉任务的数据集学习了丰富的特征表示。通过迁移学习, 这些学到的特征被应用于音乐流派分类任务, 以提升模型在音频数据上的性能。在微调阶段, 我们使用了包含 16 种音乐流派的音频数据集。这些音频样本首先被转换为频谱图, 将时域音频信号转换为在时间和频率维度上的二维表示。频谱图表示捕捉了不同音频频率的时域演化, 为模型提供了有关音频内容的丰富信息。通过微调, 我们调整了预训练模型以满足音乐流派分类任务的需求。模型学会从频谱图中提取与音乐流派相关的特征, 使其能够准确分类音频样本。这个过程使得模型能够识别和推断音乐的流派, 如摇滚、古典、流行等。通过将计算机视觉领域的预训练模型与音频任务相结合, 这种方法充分利用了知识的跨模态传递, 展示了预训练模型在不同领域的适应性和有效性。
在线演示 (推理代码)
使用
:modelscope-code[]{type="sdk"}
维护
:modelscope-code[]{type="git"}
训练结果
[](#最佳结果)
最佳结果
一个 VGG19 BN 模型在 CQT 上的微调结果：
Loss curve
Training and validation accuracy
Confusion matrix
数据集
镜像
评估
引用
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。