URBAN-SED

URBAN-SED 是一个包含 10,000 个音景的数据集，其中包含使用刮板库生成的声音事件注释。该数据集包括 10,000 个音景，总计近 30 小时，包括近 50,000 个带注释的声音事件。每个音景的长度为 10 秒，并且具有类似于在城市环境中经常听到的典型“嗡嗡声”的布朗噪声背景。每个音景包含来自以下类别的 1-9 个声音事件：air_conditioner、car_horn、children_playing、dog_bark、drilling、engine_idling、gun_shot、jackhammer、siren 和 street_music。声音事件的源材料是来自 UrbanSound8K 数据集的剪辑。 URBAN-SED 预先分为三组：训练、验证和测试。训练集中有 6000 个音景，使用 UrbanSound8K 中第 1-6 折的剪辑生成，验证集中有 2000 个音景，使用 UrbanSound8K 中第 7-8 折的剪辑生成，测试集中有 2000 个音景，使用来自在 UrbanSound8K 中折叠 9-10。