def bloques_porvector(
nombrearchivo,
rutamodelo='D:\\archivos_captor\modelos\ExtraTreesClassifier_Apr0816.pkl'
):
"""suponemos que nombrearchivo es la ruta del archivo, wav o vector (npy)"""
rutamodelo, modelo = os.path.split(rutamodelo)
model = storage.load_model(modelo, ruta=rutamodelo)
rutaarchivo, archivo = os.path.split(nombrearchivo)
nombrebase = archivo.split('.')[0]
vectorname = nombrebase + '.npy'
try:
vector = np.load(os.path.join(rutaarchivo, vectorname))
print "vector cargado correctamente"
except:
print 'No existe el vector, parametrizamos el audio'
vector = Parametrizador.extractor(nombrearchivo, rutaarchivo)
if len(vector) == 0: # or len(vectorname) != 18:
print 'Error en la carga de archivos'
print sys.exit()
# si el nombre no es el formato especifico
try:
tiempo = datetime.datetime(int(archivo[:4]), int(archivo[4:6]),
int(archivo[6:8]), int(archivo[8:10]),
int(archivo[10:12]), int(archivo[12:14]), 0)
except:
tiempo = datetime.datetime.now()
# Prediccion
try:
y_test = model.predict(vector)
except:
# posibles casos de fallo en la prediccion
# - Que tenga en el vector valores Inf o NaN - se pueden sustituir
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
vector = imp.fit_transform(vector)
y_test = model.predict(vector)
y_test = y_test.astype(np.bool)
# Prediccion
# print y_test
tam = len(y_test)
##quitamos to do lo que tenga menos de 3 segundos
y_test = features.filtrado_binario(y_test, 4)
# Primer procesado del resultado : zonas rellenando positivos aislados
y_zonas = np.zeros(tam, dtype=np.bool)
# intervalo de recorrido por el resultado --- inicio 25 s
intervalo = 25
for pos in np.arange(0, tam, intervalo):
if np.sum(y_test[pos:pos + intervalo]) > 1 and pos > (2 * intervalo):
y_zonas[pos - (2 * intervalo):pos + (2 * intervalo)] = 1
elif np.sum(
y_test[pos:pos + intervalo]) > 1 and pos <= (2 * intervalo):
y_zonas[0:pos + (2 * intervalo)] = 1
# Unimos el resultado con el procesado por no dejar ningun positivo de momento
plantilla = y_zonas + y_test
# Union entre dos positivos o zonas de positivos cercanas (menos de 50 s)
posant = 0
for posicion, valor in enumerate(plantilla):
if valor and 0 < (posicion - posant) < 50:
plantilla[posant:posicion] = 1
posant = posicion
if valor:
posant = posicion
# Filtramos (quitamos aislados)
plantilla_final = features.filtrado_binario(plantilla, 1)
# Pasamos a tipo int
plantilla_final = plantilla_final.astype(np.int16)
# INDEXACION -- DONDE PUEDEN ENCONTRARSE LOS BLOQUES DE ANUNCIOS
inicios = np.where(np.diff(plantilla_final) == 1)[0] + 1
finales = np.where(np.diff(plantilla_final) == -1)[0] + 1
if np.size(inicios) > np.size(finales):
finales = np.append(finales, tam)
elif np.size(inicios) < np.size(finales):
inicios = np.append(0, inicios)
indices = zip(inicios, finales)
print indices
marcas = {}
for orden, par in enumerate(indices):
marcas[nombrebase + '_bloque' +
str(orden + 1)] = ((tiempo +
datetime.timedelta(seconds=int(par[0])),
tiempo +
datetime.timedelta(seconds=int(par[1]))))
print(tiempo + datetime.timedelta(seconds=int(par[0]))).time(), (
tiempo + datetime.timedelta(seconds=int(par[1]))).time()
return marcas
def bloques_porlinea():
parser = argparse.ArgumentParser(
description=
'Funcion que detecta los posibles segundos donde estan los bloques de anuncios de un archivo '
'vectorizado, con un modelo previamente entrenado')
parser.add_argument('--ruta_archivos',
default='D:\\archivos_captor\\pruebas',
help='Ruta de origen de los vectores y audios')
parser.add_argument(
'-m',
'--modelo',
default='D:\\archivos_captor\modelos\ExtraTreesClassifier_Apr0816.pkl',
help='modelo clasificador')
parser.add_argument('--ruta_indices',
default='D:\\archivos_captor',
help='Ruta donde dejar los txt con indices')
args = parser.parse_args()
vectorpath = args.ruta_archivos + '/*.npy'
rutamodelo, modelo = os.path.split(args.modelo)
model = storage.load_model(modelo, ruta=rutamodelo)
# Booleano para uso de umbral de deteccion distinto a 0.5 por medio de la prediccion con probabilidad
probabilidad = False
print '\nModelo Clasificador: ', model
# Bucle que recorre todos los archivos de la ruta
for vectorname in glob.glob(vectorpath):
nomfile = os.path.split(vectorname)[1].split('.')[0]
nompath = os.path.split(vectorname)[0]
print 'Indexando archivo: ' + nomfile
vector = np.load(vectorname)
tamvector = len(vector)
# sampleRate, audio = wavfileread(os.path.join(nompath, nomaudio))
if len(vector) == 0:
print 'error en la carga de archivos'
print sys.exit()
# Prediccion
if probabilidad:
try:
y = model.predict_proba(vector)
yp = [i[1] for i in y]
probabilidad = True
except:
print 'no se puede obtener probabilidades con este metodo'
probabilidad = False
# NUEVO UMBRAL DE DETECCION
umbral = 0.4
y_test = np.zeros(len(yp), dtype=np.bool)
for pos, m in enumerate(yp):
if m > umbral:
y_test[pos] = 1
else:
try:
y_test = model.predict(vector)
except:
# posibles casos de fallo en la prediccion
# - Que tenga en el vector valores Inf o NaN - se pueden sustituir
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
vector = imp.fit_transform(vector)
y_test = model.predict(vector)
y_test = y_test.astype(np.bool)
# Prediccion
tam = len(y_test)
y_test = features.filtrado_binario(y_test, 3)
# Primer procesado del resultado : zonas rellenando positivos aislados
y_zonas = np.zeros(tam, dtype=np.bool)
# intervalo de recorrido por el resultado
intervalo = 25
for pos in np.arange(0, tam, intervalo):
if np.sum(
y_test[pos:pos + intervalo]) > 1 and pos > (2 * intervalo):
y_zonas[pos - (2 * intervalo):pos + (2 * intervalo)] = 1
elif np.sum(y_test[pos:pos +
intervalo]) > 1 and pos <= (2 * intervalo):
y_zonas[0:pos + (2 * intervalo)] = 1
# Unimos el resultado con el procesado por no dejar ningun positivo de momento
plantilla = y_zonas + y_test
# Union entre dos positivos o zonas de positivos cercanas (menos de 50 s)
posant = 0
for posicion, valor in enumerate(plantilla):
if valor and 0 < (posicion - posant) < 50:
plantilla[posant:posicion] = 1
posant = posicion
if valor:
posant = posicion
# Filtramos (quitamos aislados)
plantilla_final = features.filtrado_binario(plantilla, 1)
# Pasamos a tipo int
plantilla_final = plantilla_final.astype(np.int16)
# INDEXACION -- DONDE PUEDEN ENCONTRARSE LOS BLOQUES DE ANUNCIOS
inicios = np.where(np.diff(plantilla_final) == 1)[0] + 1
finales = np.where(np.diff(plantilla_final) == -1)[0] + 1
if np.size(inicios) > np.size(finales):
finales = np.append(finales, tam)
elif np.size(inicios) < np.size(finales):
inicios = np.append(0, inicios)
indices = zip(inicios, finales)
##ESCRIBIMOS ARCHIVO DE TEXTO FINAL
with open(
os.path.join(args.ruta_indices, nomfile + '_indices' + '.txt'),
'wb') as f:
f.write('INDICES PARA ARCHIVO ' + nomfile)
for n, bloque in enumerate(indices):
f.write('\n\n Bloque numero ' + str(n) + ' (' +
str(datetime.timedelta(seconds=int(bloque[0]))) +
' - ' +
str(datetime.timedelta(seconds=int(bloque[1]))) +
')\n')
f.write('\n Duracion : ' + str(tamvector))
def bloques_porvector(nombrearchivo, rutamodelo='D:\\archivos_captor\modelos\ExtraTreesClassifier_Apr0816.pkl'):
"""suponemos que nombrearchivo es la ruta del archivo, wav o vector (npy)"""
rutamodelo, modelo = os.path.split(rutamodelo)
model=storage.load_model(modelo, ruta=rutamodelo)
rutaarchivo, archivo = os.path.split(nombrearchivo)
nombrebase=archivo.split('.')[0]
vectorname=nombrebase + '.npy'
try:
vector = np.load(os.path.join(rutaarchivo,vectorname))
print "vector cargado correctamente"
except:
print 'No existe el vector, parametrizamos el audio'
vector = Parametrizador.extractor(nombrearchivo, rutaarchivo)
if len(vector) == 0:# or len(vectorname) != 18:
print 'Error en la carga de archivos'
print sys.exit()
#si el nombre no es el formato especifico
try:
tiempo=datetime.datetime(int(archivo[:4]),int(archivo[4:6]),int(archivo[6:8]),int(archivo[8:10]),int(archivo[10:12]),int(archivo[12:14]),0)
except:
tiempo=datetime.datetime.now()
#Prediccion########################################################
try:
y_test=model.predict(vector)
except:
#posibles casos de fallo en la prediccion
# - Que tenga en el vector valores Inf o NaN - se pueden sustituir
imp=Imputer(missing_values='NaN',strategy='mean',axis=0)
vector=imp.fit_transform(vector)
y_test=model.predict(vector)
y_test=y_test.astype(np.bool)
#Prediccion########################################################
#print y_test
tam=len(y_test)
##quitamos to do lo que tenga menos de 3 segundos
y_test=features.filtrado_binario(y_test, 4)
#Primer procesado del resultado : zonas rellenando positivos aislados
y_zonas = np.zeros(tam, dtype=np.bool)
#intervalo de recorrido por el resultado --- inicio 25 s
intervalo = 25
for pos in np.arange(0, tam, intervalo):
if np.sum(y_test[pos:pos+intervalo]) > 1 and pos > (2*intervalo):
y_zonas[pos-(2*intervalo):pos+(2*intervalo)] = 1
elif np.sum(y_test[pos:pos+intervalo]) > 1 and pos <= (2*intervalo):
y_zonas[0:pos+(2*intervalo)] = 1
#Unimos el resultado con el procesado por no dejar ningun positivo de momento
plantilla = y_zonas + y_test
#Union entre dos positivos o zonas de positivos cercanas (menos de 50 s)
posant = 0
for posicion, valor in enumerate(plantilla):
if valor and 0 < (posicion-posant) < 50:
plantilla[posant:posicion]=1
posant=posicion
if valor:
posant=posicion
#Filtramos (quitamos aislados)
plantilla_final=features.filtrado_binario(plantilla, 1)
#Pasamos a tipo int
plantilla_final=plantilla_final.astype(np.int16)
#INDEXACION -- DONDE PUEDEN ENCONTRARSE LOS BLOQUES DE ANUNCIOS
inicios = np.where(np.diff(plantilla_final)==1)[0]+1
finales = np.where(np.diff(plantilla_final)==-1)[0]+1
if np.size(inicios) > np.size(finales):
finales = np.append(finales, tam)
elif np.size(inicios) < np.size(finales):
inicios = np.append(0,inicios)
indices = zip(inicios, finales)
print indices
marcas = {}
for orden,par in enumerate(indices):
marcas[nombrebase+'_bloque'+str(orden+1)]=((tiempo+datetime.timedelta(seconds=int(par[0])), tiempo+datetime.timedelta(seconds=int(par[1]))))
print (tiempo+datetime.timedelta(seconds=int(par[0]))).time(), (tiempo+datetime.timedelta(seconds=int(par[1]))).time()
return marcas
def bloques_porlinea():
parser = argparse.ArgumentParser(description='Funcion que detecta los posibles segundos donde estan los bloques de anuncios de un archivo vectorizado, con un modelo previamente entrenado')
parser.add_argument('--ruta_archivos', default='D:\\archivos_captor\\pruebas', help='Ruta de origen de los vectores y audios')
parser.add_argument('-m','--modelo', default='D:\\archivos_captor\modelos\ExtraTreesClassifier_Apr0816.pkl', help='modelo clasificador')
parser.add_argument('--ruta_indices', default='D:\\archivos_captor', help='Ruta donde dejar los txt con indices')
args = parser.parse_args()
vectorpath = args.ruta_archivos + '/*.npy'
rutamodelo, modelo = os.path.split(args.modelo)
model=storage.load_model(modelo, ruta=rutamodelo)
#Booleano para uso de umbral de deteccion distinto a 0.5 por medio de la prediccion con probabilidad
probabilidad = False
print '\nModelo Clasificador: ', model
#Bucle que recorre todos los archivos de la ruta
for vectorname in glob.glob(vectorpath):
nomfile=os.path.split(vectorname)[1].split('.')[0]
nompath=os.path.split(vectorname)[0]
print 'Indexando archivo: ' + nomfile
vector = np.load(vectorname)
tamvector = len(vector)
#sampleRate, audio = wavfileread(os.path.join(nompath, nomaudio))
if len(vector) == 0:
print 'error en la carga de archivos'
print sys.exit()
#Prediccion########################################################
if probabilidad:
try:
y=model.predict_proba(vector)
yp=[i[1] for i in y]
probabilidad = True
except:
print 'no se puede obtener probabilidades con este metodo'
probabilidad = False
#NUEVO UMBRAL DE DETECCION
umbral = 0.4
y_test =np.zeros(len(yp),dtype=np.bool)
for pos,m in enumerate(yp):
if m > umbral:
y_test[pos]=1
else:
try:
y_test=model.predict(vector)
except:
#posibles casos de fallo en la prediccion
# - Que tenga en el vector valores Inf o NaN - se pueden sustituir
imp=Imputer(missing_values='NaN',strategy='mean',axis=0)
vector=imp.fit_transform(vector)
y_test=model.predict(vector)
y_test=y_test.astype(np.bool)
#Prediccion########################################################
tam=len(y_test)
y_test=features.filtrado_binario(y_test, 3)
#Primer procesado del resultado : zonas rellenando positivos aislados
y_zonas = np.zeros(tam, dtype=np.bool)
#intervalo de recorrido por el resultado
intervalo = 25
for pos in np.arange(0, tam, intervalo):
if np.sum(y_test[pos:pos+intervalo]) > 1 and pos > (2*intervalo):
y_zonas[pos-(2*intervalo):pos+(2*intervalo)] = 1
elif np.sum(y_test[pos:pos+intervalo]) > 1 and pos <= (2*intervalo):
y_zonas[0:pos+(2*intervalo)] = 1
#Unimos el resultado con el procesado por no dejar ningun positivo de momento
plantilla = y_zonas + y_test
#Union entre dos positivos o zonas de positivos cercanas (menos de 50 s)
posant = 0
for posicion, valor in enumerate(plantilla):
if valor and 0 < (posicion-posant) < 50:
plantilla[posant:posicion]=1
posant=posicion
if valor:
posant=posicion
#Filtramos (quitamos aislados)
plantilla_final=features.filtrado_binario(plantilla, 1)
#Pasamos a tipo int
plantilla_final=plantilla_final.astype(np.int16)
#INDEXACION -- DONDE PUEDEN ENCONTRARSE LOS BLOQUES DE ANUNCIOS
inicios = np.where(np.diff(plantilla_final)==1)[0]+1
finales = np.where(np.diff(plantilla_final)==-1)[0]+1
if np.size(inicios) > np.size(finales):
finales = np.append(finales, tam)
elif np.size(inicios) < np.size(finales):
inicios = np.append(0,inicios)
indices = zip(inicios, finales)
##ESCRIBIMOS ARCHIVO DE TEXTO FINAL###############
with open(os.path.join(args.ruta_indices, nomfile+'_indices'+'.txt'), 'wb') as f:
f.write('INDICES PARA ARCHIVO ' + nomfile)
for n, bloque in enumerate(indices):
f.write('\n\n Bloque numero ' + str(n) + ' (' + str(datetime.timedelta(seconds=int(bloque[0]))) + ' - ' + str(datetime.timedelta(seconds=int(bloque[1]))) + ')\n')
f.write('\n Duracion : ' +str(tamvector))
parser = argparse.ArgumentParser(description='Funcion que detecta los posibles segundos donde estan los bloques de anuncios de un archivo vectorizado, con un modelo previamente entrenado')
parser.add_argument('--ruta_archivos', default='D:\\archivos_captor\\pruebas', help='Ruta de origen de los vectores')
parser.add_argument('-m','--modelo', default='D:\\archivos_captor\modelos\ExtraTreesClassifier_Mar0418.pkl', help='modelo clasificador')
parser.add_argument('--ruta_indices', default='D:\\archivos_captor', help='Ruta donde dejar los txt con indices')
args = parser.parse_args()
path = args.ruta_archivos + '/*.npy'
rutamodelo, modelo = os.path.split(args.modelo)
model=storage.load_model(modelo, ruta=rutamodelo)
probabilidad = False
print '\nModelo Clasificador: ', model
for filename in glob.glob(path):
nomfile=os.path.split(filename)[1]
print 'Indexando archivo: ' + nomfile
vector = np.load(filename)
tamvector=len(vector)
'vectorizado, con un modelo previamente entrenado')
parser.add_argument('--ruta_archivos',
default='D:\\archivos_captor\\pruebas',
help='Ruta de origen de los vectores')
parser.add_argument(
'-m',
'--modelo',
default='D:\\archivos_captor\modelos\ExtraTreesClassifier_Mar0418.pkl',
help='modelo clasificador')
parser.add_argument('--ruta_indices',
default='D:\\archivos_captor',
help='Ruta donde dejar los txt con indices')
args = parser.parse_args()
path = args.ruta_archivos + '/*.npy'
rutamodelo, modelo = os.path.split(args.modelo)
model = storage.load_model(modelo, ruta=rutamodelo)
probabilidad = False
print '\nModelo Clasificador: ', model
for filename in glob.glob(path):
nomfile = os.path.split(filename)[1]
print 'Indexando archivo: ' + nomfile
vector = np.load(filename)
tamvector = len(vector)
if len(vector) == 0:
print 'error en la carga de archivos'
print sys.exit()
try:
y_test = model.predict(vector)