模型介绍
中文整理Intro 简介
For the 99 recordings, silence is first removed, which is done based on the annotation, targeting the parts where there is no technique annotation. Then all recordings are uniformly segmented into fixed-length segments of 3 seconds. After segmentation, clips shorter than 3 seconds are zero padded. This padding approach, unlike circular padding, is adopted specifically for frame-level detection tasks to prevent the introduction of extraneous information. Regarding the dataset split, since the dataset consists of 99 recordings, we split it at the recording level. The data is partitioned into training, validation, and testing subsets in a 79:10:10 ratio, roughly 8:1:1.
对于这 99 首录音，首先去除静音部分，这是基于标注来完成的，针对的是没有技巧标注的部分。然后，所有录音都被统一分割成固定长度为 3 秒的片段。分割后，对于短于 3 秒的音频片段，采用零填充的方式进行处理。这种填充方法与循环填充不同，是专门为帧级别检测任务而采用的，以防止引入额外信息。关于数据集的划分，由于数据集由 99 首录音组成，我们在录音级别上进行划分。数据被划分为训练集、验证集和测试集，比例为 79:10:10，大致为 8:1:1。
Demo 在线演示 (推理代码)
Usage 使用
:modelscope-code[]{type="sdk"}
Maintenance 维护
:modelscope-code[]{type="git"}
Results 训练结果
Backbone Mel CQT Chroma
:---------------: :---------: :---------: :---------:
ViT-B-16 0.705 0.518 0.508
Swin-T ** 0.849 ** ** 0.783 ** ** 0.766 **
VGG19 ** 0.862 ** 0.799 0.665
EfficientNet-V2-L 0.783 0.812 0.697
ConvNeXt-B 0.849 ** 0.849 ** ** 0.805 **
ResNet101 0.638 0.830 0.707
SqueezeNet1.1 0.831 0.814 0.780
Average 0.788 0.772 0.704
Dataset 数据集
Mirror 镜像
Evaluation 校验
Cite 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。