AST-модель для классификации музыкальных фрагментов по десяти жанрам датасета GTZAN.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Модель herurg/ast-finetuned-gtzan-audio-course — дообученная для классификации музыкальных жанров версия Audio Spectrogram Transformer (AST), созданная в рамках практического задания четвёртого блока Hugging Face Audio Course. Она принимает аудио и относит его к одному из десяти жанров GTZAN: блюз, классика, кантри, диско, хип-хоп, джаз, металл, поп, регги или рок.
Модель содержит 113,2 млн параметров и основана на MIT/ast-finetuned-audioset-10-10-0.4593, предварительно обученной на AudioSet модели AST для классификации звуковых событий. В README указана точность 0,88 на оценочной выборке из 100 примеров; обучение проводилось на 899 примерах датасета marsyas/gtzan. Это результат на конкретной небольшой выборке, поэтому качество на других музыкальных данных может отличаться. Лицензия в предоставленных данных не указана.
Модель обучена на 899 примерах GTZAN и классифицирует только десять жанров этого набора; указанная точность 0,88 измерена на оценочной выборке из 100 примеров и не гарантирует такого же результата на других данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fine-tuned from
MIT/ast-finetuned-audioset-10-10-0.4593
on marsyas/gtzan for the Hugging Face Audio Course
Unit 4 hands-on assignment.
Accuracy: 0.880000
Audio Course requirement: Accuracy >= 0.87.
marsyas/gtzanНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · audio-classification
Подбираем GPU…