KLASYFIKACJA GATUNKU MUZYKI na podstawie KNN i Naive Bayes
1. Streszczenie projektu
Celem projektu jest implementacja aplikacji pozwalającej na klasyfikację gatunku wybranego pliku audio formatu (wav.) na podstawie algorytmów k-najbliższych sąsiadów oraz naive bayes.
Zaimplementowana aplikacja w pełni realizuje powyższy cel. W dodatek aplikacja nie jest powiązana z konkretnymi gatunkami. Gatunki, jak i sukces aproksymacji zależą od bazy danych.
Bazę danych można zbudować własnoręcznie. Aplikacja wspiera następujący format bazy:
Folder*nazwa_bazy*/1..*nazwa_gatunku*/ 1.. *nazwa_audio.wav*
Przy zmianie bazy danych są ponownie trenowane modele, co dla bazy posiadającej 1000 plików audio (1,23GB) trwa ok. 30 min.
2. Wykorzystanie technologie / biblioteki
Nazwa biblioteki - Opis wykorzystanych metod z biblioteki
Librosa - Biblioteka służy do analizy audio
load(track_path) – przedstawia audio w wygodny do analizy sposób
feature.spectral_centroid - centrum masy sygnału,
feature.spectral_rolloff – spadek sygnału
feature.zero_crossing_rate - przedkość zmiany sygnału
feature.chroma_stft – charakterystyka tonacji
feature.mfcc - charakterystyki spektru
Numpy - Biblioteka do pracy z macierzami
Abstractmethod – annotacja do metody abstrakcyjnej
ABC – Do realizacji mechanizmów dziedziczenia
Tkinter – realizacja interfejsu
filedialog.askopenfile – do wskazania pliku
filedialog.askdirectory - do wskazania folderu
3. Architektura
Realizowany został wzorzec „Strategia”:
Klasa Classifier jest klasyfikatorem, który może dokonać klasyfikacji gatunku używając obiektów implementujących klasę abstrakcyjną Model (kilka metod jest używana w obu model np. count_distance()).
Klasa główna – Main posiada realizacje interfejsu oraz obiekt Classifier do realizacji klasyfikacji.
4. Zrzuty ekranów z projektu
Widok startowy projektu:
Na górze są wskazane wybrana baza oraz plik audio (na widoku startowym jeszcze nie wybrany). Domyślnie używana jest baza używana poprzednio.
Następna sekcja – Menu.W menu dostępne dwie opcje: wybór bazy danych, wybór pliku audio.
Sekcja „Start” zawiera przycisk startujący obliczenia.
Następna sekcja – wyniki. Pięć najlepiej pasujących gatunków, od najbardziej do mniej, według dwóch algorytmów KNN i Bayesa.
Ostatnia sekcja – status. Wyświetla różne obecne statusy programu np.” trwa obliczenie” lub wskazuje rekomendacje. Poniższy przykład pokazuje „choose audio” – nie wybrano pliku, ale naciśnięto przycisk „start”.
Wybór plika audio:
Program też posiada wyjścia do wiersza poleceń – zostało to zrobione do debagowania, ale
zdecydowałem to zostawić, ponieważ wskazuje to etap, na którym są obliczenia w momencie
gdy nie odpowiada aplikacja.
Poniżej przykład obliczenia najlepszego k do algorytmu KNN:
Poniżej są przykłady wyników działania aplikacji:
