Select Language

Open Dataset

FMA:音楽分析データセット

FMA:音楽分析データセット

1001.5G
1405 hits
1 likes
2 downloads
0 discuss
MNIST Classification

すべてのトラックのすべてのメタデータと機能は、fma_metadata.zip(342 MiB)に分散されています。以下の表は、......

Data Structure ? 1001.5G

    README.md

    すべてのトラックのすべてのメタデータと特徴量は、fma_metadata.zip(342 MiB)に配布されています。 以下の表は、pandasまたはその他のデータ分析ツールで使用できます。 説明については、論文またはusage.ipynbノートブックを参照してください。

    • tracks.csv:すべての106,574トラックについて、ID、タイトル、アーティスト、ジャンル、タグ、再生回数などのトラックごとのメタデータ。

    • genres.csv:名前と親(ジャンル階層と上位レベルのジャンルを推測するために使用)を持つすべての163のジャンル。

    • features.csv:librosaで抽出された一般的な特徴量。

    • echonest.csv:Echonest(現在はSpotify)によって提供される、13,129トラックのサブセットについてのオーディオ特徴量。

    次に、様々なサイズのMP3エンコードオーディオデータがあります:

    1. fma_small.zip:30秒のトラック8,000本、8つのバランスの取れたジャンル(GTZANライク)(7.2 GiB)

    2. fma_medium.zip:30秒のトラック25,000本、16の不均衡なジャンル(22 GiB)

    3. fma_large.zip:30秒のトラック106,574本、161の不均衡なジャンル(93 GiB)

    4. fma_full.zip:トリミングされていないトラック106,574本、161の不均衡なジャンル(879 GiB)

    コード

    以下のノートブック、スクリプト、およびモジュールは、このデータセット用に開発されました。

    1. usage.ipynb:データセットをロードし、それを使って独自のモデルを開発、トレーニング、テストする方法を示します。

    2. analysis.ipynb:メタデータ、データ、および特徴量の探索。 論文で使用されるを作成します。

    3. baselines.ipynb:オーディオと特徴量の両方からのジャンル認識のベースラインモデル。

    4. features.py:オーディオからの特徴量抽出(features.csvを作成するために使用)。

    5. webapi.ipynbFMAのWeb APIをクエリします。データセットを更新するために使用できます。

    6. creation.ipynb:データセットの作成(tracks.csvgenres.csvを作成するために使用)。

    7. creation.py:データセットの作成(長時間実行されるデータ収集と処理)。

    8. utils.py:ヘルパー関数とクラス。


    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:55 Go earn points?
    • 1405
    • 2
    • 1
    • collect
    • Share