english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/48400 Cómo citar
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorZinemanas, Pablo-
dc.contributor.authorHounie, Ignacio-
dc.contributor.authorCancela, Pablo-
dc.contributor.authorFont, Frederic-
dc.contributor.authorRocamora, Martín-
dc.contributor.authorSerra, Xavier-
dc.date.accessioned2025-02-14T14:24:49Z-
dc.date.available2025-02-14T14:24:49Z-
dc.date.issued2020-
dc.identifier.citationZinemanas, P., Hounie, I., Cancela, P. y otros. DCASE-models : A Python library for computational environmental sound analysis using deep-learning models [en línea]. EN: Detection and Classification of Acoustic Scenes and Events, DCASE 2020, Tokyo, Japan, 2-3 nov. 2020, pp. 1-5.es
dc.identifier.urihttps://hdl.handle.net/20.500.12008/48400-
dc.description.abstractThis document presents DCASE-models, an open–source Python library for rapid prototyping of environmental sound analysis systems, with an emphasis on deep–learning models. Together with a collection of functions for dataset handling, data preparation, feature extraction, and evaluation, it includes a model interface to standardize the interaction of machine learning methods with the other system components. This also provides an abstraction layer that allows the use of different machine learning backends. The package includes Python scripts, Jupyter Notebooks, and a web application, to illustrate its usefulness. The library seeks to alleviate the process of releasing and maintaining the code of new models, improve research reproducibility, and simplify comparison of methods. We expect it to become a valuable resource for the community.es
dc.format.extent5 p.es
dc.format.mimetypeapplication/pdfes
dc.language.isoenes
dc.publisherDCASEes
dc.relation.ispartofDetection and Classification of Acoustic Scenes and Events, DCASE 2020, Tokyo, Japan, 2-3 nov. 2020, pp. 1-5.es
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.subjectPython libraryes
dc.subjectDeep learninges
dc.subjectAudio classificationes
dc.subjectSound event detectiones
dc.subjectReproducibilityes
dc.titleDCASE-models : A Python library for computational environmental sound analysis using deep-learning models.es
dc.typePonenciaes
dc.contributor.filiacionZinemanas Pablo, Universitat Pompeu Fabra, Barcelona, Spain-
dc.contributor.filiacionHounie Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionCancela Pablo, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionFont Frederic, Universitat Pompeu Fabra, Barcelona, Spain-
dc.contributor.filiacionRocamora Martín, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionSerra Xavier, Universitat Pompeu Fabra, Barcelona, Spain-
dc.rights.licenceLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)es
udelar.academic.departmentProcesamiento de Señaleses
udelar.investigation.groupProcesamiento de Audio (GPA)es
Aparece en las colecciones: Publicaciones académicas y científicas - Instituto de Ingeniería Eléctrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
ZHCFRS20.pdfVersión publicada211,18 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons