Sound event detection

环境配置

并没有用到额外的包，只需要将该任务原本配好的环境重命名为common就行

或者运行如下脚本

conda env create -f environment.yml
conda activate common

特征提取

提取n_mels=64的特征：

cd data;
sbatch prepare_data.sh
cd ..;

提取n_mels=256的特征：

首先将extract_feature.py中的

python extract_feature.py "dev/wav.csv" "dev/feature.h5" --sr 44100 --num_worker 1

改为

python extract_feature.py "dev/wav.csv" "dev/feature.h5" --sr 44100 --num_worker 1 --n_mels 256

然后

cd data_new;
sbatch prepare_data.sh
cd ..;

运行Baseline:

sbatch run_baseline.sh

代码实现在./models_1dpool/models_baseline.py中

复现最佳结果:

n_mels=64

当使用n_mels=64的数据时（Baseline数据，/data），复现最佳结果

sbatch run_1dpool_nmels_64.sh

代码实现在./models_1dpool/try1.py中

n_mels=256

当使用n_mels=256的数据时（Baseline数据，/data_new），复现最佳结果

sbatch run_1dpool_nmels_256.sh

代码实现在./models_1dpool/try7.py中

./models_1dpool中放着所有的模型，在__init__实现了load_model函数，并在run.py中调用load_model函数实现模型读取

./models_1dpool/try1.py和./models_1dpool/try7.py中分别是n_mels=64/256时的最优模型