danavery/urbansound8K

UrbanSound8K数据集包含8732个标记为城市声音的音频片段，这些片段来自10个不同的类别，如空调声、汽车喇叭声、儿童玩耍声等。所有音频片段均来自Freesound.org的现场录音，并预先分为10个文件夹（fold1-fold10），以便于复现和比较自动分类结果。此外，还提供了一个包含每个音频片段元数据的CSV文件。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: CC BY-NC 4.0
• 数据规模: 1K < n < 10K
• 任务类别: 音频分类

配置信息

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:

  • audio: 音频数据类型
  • slice_file_name: 字符串类型
  • fsID: 64位整数类型
  • start: 64位浮点数类型
  • end: 64位浮点数类型
  • salience: 64位整数类型
  • fold: 64位整数类型
  • classID: 64位整数类型
  • class: 字符串类型

• 分割:

  • train:
    • 字节数: 7605141208.66
    • 样本数: 8732

• 下载大小: 6998085428

• 数据集大小: 7605141208.66

数据内容

• 音频文件:

  • 数量: 8732个
  • 格式: WAV
  • 描述: 城市声音的音频片段，时长不超过4秒，包含10个类别：air_conditioner, car_horn, children_playing, dog_bark, drilling, engine_idling, gun_shot, jackhammer, siren, street_music。

• 元数据文件:

  • 文件名: UrbanSound8k.csv
  • 内容:
    • slice_file_name: 音频文件名，格式为[fsID]-[classID]-[occurrenceID]-[sliceID].wav
    • fsID: Freesound录音的ID
    • start: 片段在原始录音中的开始时间
    • end: 片段在原始录音中的结束时间
    • salience: 声音显著性评级（1 = 前景，2 = 背景）
    • fold: 文件分配到的折叠编号（1-10）
    • classID: 声音类别的数字标识符
    • class: 声音类别名称

使用建议

• 避免常见陷阱:
  • 不要重新洗牌数据: 使用预定义的10个折叠进行10折交叉验证。
  • 不要仅评估一个分割: 使用10折交叉验证并报告平均分数。

搜集汇总

背景与挑战

背景概述

该数据集是一个城市声音分类数据集，包含8732个标记的音频片段，涵盖10种城市声音类别（如空调声、汽车喇叭声等），所有片段均来自Freesound的现场录音，并已预分为10个fold以支持标准化交叉验证。数据集附带详细元数据文件，包含每个音频文件的来源、时间戳、类别等信息。