Wav2vec2 Base Drum Kit Sounds

🚀 wav2vec2-base-Drum_Kit_Sounds

本模型是 facebook/wav2vec2-base 的微调版本。它能够对音频样本进行多分类，以确定其中被敲击的鼓的类型，可识别的鼓类型包括底鼓（kick）、吊镲（overheads）、军鼓（snare）和通鼓（toms）。

评估集结果

• 损失值：1.0887
• 准确率：0.7812
• F1值：
  • 加权F1值：0.7692
  • 微平均F1值：0.7812
  • 宏平均F1值：0.7845
• 召回率：
  • 加权召回率：0.7812
  • 微平均召回率：0.7812
  • 宏平均召回率：0.8187
• 精确率：
  • 加权精确率：0.8717
  • 微平均精确率：0.7812
  • 宏平均精确率：0.8534

📚 详细文档

模型描述

这是一个用于声音多分类的模型，用于确定音频样本中被敲击的鼓的类型。可选的鼓类型有：底鼓、吊镲、军鼓和通鼓。

有关其创建方式的更多信息，请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Audio-Projects/Classification/Audio-Drum_Kit_Sounds.ipynb

预期用途与限制

此模型旨在展示使用技术解决复杂问题的能力。

训练和评估数据

数据集来源：https://www.kaggle.com/datasets/anubhavchhabra/drum-kit-sound-samples

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：3e-05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 学习率调度器热身比例：0.1
• 训练轮数：12

训练结果

框架版本

• Transformers 4.25.1
• Pytorch 1.12.1
• Datasets 2.8.0
• Tokenizers 0.12.1

📄 许可证

本项目采用 Apache-2.0 许可证。