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.author | Zinemanas, Pablo | - |
dc.contributor.author | Hounie, Ignacio | - |
dc.contributor.author | Cancela, Pablo | - |
dc.contributor.author | Font, Frederic | - |
dc.contributor.author | Rocamora, Martín | - |
dc.contributor.author | Serra, Xavier | - |
dc.date.accessioned | 2025-02-14T14:24:49Z | - |
dc.date.available | 2025-02-14T14:24:49Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Zinemanas, 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.uri | https://hdl.handle.net/20.500.12008/48400 | - |
dc.description.abstract | This 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.extent | 5 p. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | en | es |
dc.publisher | DCASE | es |
dc.relation.ispartof | Detection and Classification of Acoustic Scenes and Events, DCASE 2020, Tokyo, Japan, 2-3 nov. 2020, pp. 1-5. | es |
dc.rights | Las 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.subject | Python library | es |
dc.subject | Deep learning | es |
dc.subject | Audio classification | es |
dc.subject | Sound event detection | es |
dc.subject | Reproducibility | es |
dc.title | DCASE-models : A Python library for computational environmental sound analysis using deep-learning models. | es |
dc.type | Ponencia | es |
dc.contributor.filiacion | Zinemanas Pablo, Universitat Pompeu Fabra, Barcelona, Spain | - |
dc.contributor.filiacion | Hounie Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería. | - |
dc.contributor.filiacion | Cancela Pablo, Universidad de la República (Uruguay). Facultad de Ingeniería. | - |
dc.contributor.filiacion | Font Frederic, Universitat Pompeu Fabra, Barcelona, Spain | - |
dc.contributor.filiacion | Rocamora Martín, Universidad de la República (Uruguay). Facultad de Ingeniería. | - |
dc.contributor.filiacion | Serra Xavier, Universitat Pompeu Fabra, Barcelona, Spain | - |
dc.rights.licence | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) | es |
udelar.academic.department | Procesamiento de Señales | es |
udelar.investigation.group | Procesamiento 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.pdf | Versión publicada | 211,18 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons