gtzan

  • 説明

データセットは、30秒ごとに1000のオーディオトラックで構成されています。 10のジャンルが含まれ、それぞれが100トラックで表されます。トラックはすべて、.wav形式の22050Hzモノラル16ビットオーディオファイルです。

ジャンルは次のとおりです。

  • ブルース
  • クラシック
  • ディスコ
  • ヒップホップ
  • ジャズ
  • 金属
  • ポップ
  • レゲエ
  • ホームページhttp://marsyas.info/index.html

  • ソースコードtfds.audio.gtzan.GTZAN

  • バージョン

    • 1.0.0 (デフォルト):リリースノート。
  • ダウンロードサイズ1.14 GiB

  • データセットサイズ3.71 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'train' 1,000
  • 特長
FeaturesDict({
    'audio': Audio(shape=(None,), dtype=tf.int64),
    'audio/filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
  • 引用
@misc{tzanetakis_essl_cook_2001,
author    = "Tzanetakis, George and Essl, Georg and Cook, Perry",
title     = "Automatic Musical Genre Classification Of Audio Signals",
url       = "http://ismir2001.ismir.net/pdf/tzanetakis.pdf",
publisher = "The International Society for Music Information Retrieval",
year      = "2001"
}