我正在用从1秒到4秒的wav文件进行声音分类。我想转换wav到224x224x3图像,我可以收费到Resnet分类,转换应该是使用melspectogram谢谢帮助
发布于 2019-05-27 05:24:13
可以使用librosa生成mel谱图,如下所示:
import librosa
import librosa.display
import numpy as np
import matplotlib.pyplot as plt
y, sr = librosa.load(librosa.util.example_audio_file()) # your file
S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128, fmax=8000)
librosa.display.specshow(librosa.power_to_db(S, ref=np.max), fmax=8000)
plt.savefig('mel.png')
请记住,尽管这些都是假颜色,但RGB在这里没有意义-也没有任何多通道。使用与单通道一起工作的架构。
https://stackoverflow.com/questions/56315331
复制相似问题