3-Second Melspectrograms for GTZAN

kaggle2025-02-03 更新2025-03-29 收录

音乐分类

深度学习

数据链接：

https://www.kaggle.com/datasets/majdihbibi/3-second-melspectrograms-for-gtzan 数据链接链接失效反馈

官方服务：

资源简介：

GTZAN-based Melspectrograms for Deep Learning Music Classification

基于GTZAN的梅尔频谱图（Melspectrograms），用于深度学习音乐分类

创建时间：

2025-02-03

基于深度学习的 5 种树皮纹理图像识别研究

深度学习

图像识别

本文以 5 种常见树种的树皮纹理图像为例，采用基于卷积神经网络的深度学习方法，将原始图像直接作为输入，通过卷积和池化层对图像的低级、高级特征进行自动提取，解决了手动提取纹理特征的困难和问题；在此基础上，对 CNN 模型结构进行改进，采用带 Maxout 的 ELU 激励函数来代替 ReLU 函数，解决模型的偏移和零梯度问题；对损失函数进行改进，通过添加规范项来优化结构参数，并使用分段常数衰减

国家林业和草原科学数据中心2022-11-30 更新690

Glacier catalogue for IGM physics-informed deep-learning emulator pretraining

冰川学

深度学习

This dataset was created with the iceflow glacier model CfsFlow to generate glacier extent and retreat in the Alps and New zealand with the goal to generate realistic and diverse glacier states for pr

Mendeley Data2024-05-10 更新190

错误日志有效性实验数据集

软件错误分析

深度学习

错误日志有效性实验数据集是从各编程IDE使用过程中收集软件错误日志报告，然后通过训练过的CNN模型分析日志报告文本结构，获取描述字段、文本的语义，来确定错误日志报告的有效性的数据集。针对日志记录描述，通过深度学习方法，测试软件上的错误日志的有效性，并根据日志的描述信息、元数据信息等实现获取结果数据，数据属性包括（标签描述、日志序号、描述评价效率、总体效率、可靠性）。

国家基础学科公共科学数据中心140

奥特曼（PaddleX格式）

图像识别

深度学习

基于数据集作者（iterhui）的数据集进行处理，适用于PaddleX

AI_Studio2023-05-21 更新310

Iceclear/AADB

设计美学评估

深度学习

--- license: apache-2.0 --- Photo Aesthetics Ranking Network with Attributes and Content Adaptation ## Citation ```bibtex @inproceedings{kong2016aesthetics, title={Photo Aesthetics Ranking Netwo

Hugging Face2024-02-07 更新150

3-Second Melspectrograms for GTZAN

资源简介：

相关数据集