distilhubert-finetuned-gtzanオープンソース音声分類モデル - 音楽のジャンルを正確に識別、精度89%

ホーム

Distilhubert Finetuned Gtzan Finetuned Gtzan

calvpangによって開発

DistilHuBERTアーキテクチャに基づくオーディオ分類モデルで、GTZAN音楽ジャンル分類データセットでファインチューニングされ、89%の精度を達成

音声分類

Transformers

オープンソースライセンス:Apache-2.0 #音楽分類 #高精度 #軽量オーディオモデル

ダウンロード数 13

リリース時間 : 8/10/2023

モデル概要

このモデルはDistilHuBERTのファインチューニング版で、音楽ジャンル分類タスク専用です。GTZANデータセットで優れた性能を発揮し、オーディオコンテンツ分析アプリケーションに適しています。

モデル特徴

高精度

GTZANテストセットで89%の分類精度を達成

軽量アーキテクチャ

DistilHuBERTの蒸留版に基づき、計算効率が高い

音楽ジャンル識別

音楽オーディオデータに特化して最適化

モデル能力

音楽ジャンル分類

オーディオ特徴抽出

オーディオコンテンツ分析

使用事例

音楽推薦システム

自動音楽分類

音楽ストリーミングプラットフォーム向けに音楽ジャンルを自動タグ付け

音楽分類精度を向上させ、推薦効果を強化

オーディオコンテンツ分析

音楽ライブラリ管理

大規模音楽ライブラリのジャンル分類を自動化

手動分類時間を節約し、管理効率を向上

🚀 distilhubert-finetuned-gtzan-finetuned-gtzan

このモデルは、GTZANデータセット上でVinayHajare/distilhubert-finetuned-gtzanをファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.5147
正解率: 0.89

📚 ドキュメント

モデルの説明

詳細な情報は後日提供予定です。

想定される用途と制限

詳細な情報は後日提供予定です。

学習と評価データ

詳細な情報は後日提供予定です。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

学習率: 5e-07
学習バッチサイズ: 8
評価バッチサイズ: 8
シード: 42
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類: linear
学習率スケジューラのウォームアップ率: 0.1
エポック数: 10

学習結果

学習損失	エポック	ステップ	検証損失	正解率
0.4687	1.0	113	0.5210	0.89
0.5003	2.0	226	0.5186	0.89
0.3839	3.0	339	0.5186	0.89
0.4082	4.0	452	0.5183	0.89
0.4479	5.0	565	0.5183	0.89
0.4078	6.0	678	0.5171	0.89
0.3089	7.0	791	0.5156	0.89
0.3432	8.0	904	0.5152	0.89
0.4122	9.0	1017	0.5148	0.89
0.4231	10.0	1130	0.5147	0.89

フレームワークのバージョン

Transformers 4.31.0
Pytorch 2.0.1
Datasets 2.14.4
Tokenizers 0.13.3

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

📋 モデル情報

プロパティ	詳細
モデルタイプ	このモデルはVinayHajare/distilhubert-finetuned-gtzanをGTZANデータセットでファインチューニングしたものです。
学習データ	marsyas/gtzan
メトリクス	正解率
モデル名	distilhubert-finetuned-gtzan-finetuned-gtzan
タスク	音声分類 (Audio Classification)
データセット	GTZAN (marsyas/gtzan, 設定: all, 分割: train, 引数: all)
評価指標	正解率 (Accuracy), 値: 0.89