Wav2vec2 Base Drum Kit Sounds

🚀 wav2vec2-base-Drum_Kit_Sounds

本模型是 facebook/wav2vec2-base 的微調版本。它能夠對音頻樣本進行多分類，以確定其中被敲擊的鼓的類型，可識別的鼓類型包括底鼓（kick）、吊鑔（overheads）、軍鼓（snare）和通鼓（toms）。

評估集結果

• 損失值：1.0887
• 準確率：0.7812
• F1值：
  • 加權F1值：0.7692
  • 微平均F1值：0.7812
  • 宏平均F1值：0.7845
• 召回率：
  • 加權召回率：0.7812
  • 微平均召回率：0.7812
  • 宏平均召回率：0.8187
• 精確率：
  • 加權精確率：0.8717
  • 微平均精確率：0.7812
  • 宏平均精確率：0.8534

📚 詳細文檔

模型描述

這是一個用於聲音多分類的模型，用於確定音頻樣本中被敲擊的鼓的類型。可選的鼓類型有：底鼓、吊鑔、軍鼓和通鼓。

有關其創建方式的更多信息，請查看以下鏈接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Audio-Projects/Classification/Audio-Drum_Kit_Sounds.ipynb

預期用途與限制

此模型旨在展示使用技術解決複雜問題的能力。

訓練和評估數據

數據集來源：https://www.kaggle.com/datasets/anubhavchhabra/drum-kit-sound-samples

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：3e-05
• 訓練批次大小：32
• 評估批次大小：32
• 隨機種子：42
• 優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型：線性
• 學習率調度器熱身比例：0.1
• 訓練輪數：12

訓練結果

框架版本

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

📄 許可證

本項目採用 Apache-2.0 許可證。