Pretrained网络

迁移学习，声音分类，特征嵌入

音频工具箱™提供了预先训练的VGGish和YAMNet网络。使用vggish和yamnet在MATLAB函数^®和YAMNet在仿真软件金宝app^®直接与预先训练的网络交互。的classifySound函数的MATLAB和声音分类器块执行所需的预处理金宝app和后处理的YAMNet，以便您可以定位和分类声音到521个类别之一。的声音分类器块相当于级联的YAMNet预处理块和YAMNet块。您可以使用yamnetGraph函数。的vggishFeatures函数为VGGish执行必要的预处理和后处理，以便您可以提取特征嵌入输入到机器学习和深度学习系统。

此功能需要深度学习工具箱™。

功能

全部展开

VGGish

`vggishFeatures`	提取VGGish特性
`vggish`	VGGish神经网络
`vggishPreprocess`	预处理音频进行VGGish特征提取

YAMNet

`classifySound`	对音频信号中的声音进行分类
`yamnet`	YAMNet神经网络
`yamnetGraph`	YAMNet AudioSet本体图
`yamnetPreprocess`	对音频进行预处理用于YAMNet分类

OpenL3

`openl3`	OpenL3神经网络
`openl3Preprocess`	对音频进行预处理，用于OpenL3特征提取
`openl3Features`	提取OpenL3特性

绉

`绉`	绉神经网络
`crepePreprocess`	面向CREPE深度学习网络的音频预处理
`crepePostprocess`	CREPE深度学习网络的后处理输出
`pitchnn`	利用深度学习神经网络估计音高

i-Vectors

`ivectorSystem`	创建矢量i系统
`speakerRecognition`	预先训练的说话人识别系统

块

声音分类器	对音频信号中的声音进行分类
YAMNet	YAMNet声音分类网络
YAMNet预处理	对音频进行预处理用于YAMNet分类

特色的例子

Simulink中的语音命令识别金宝app

使用Simulink模型检测音频中语音命令的存在。金宝app

开放模式

音频工具箱文档

金宝app

尝试MATLAB、Sim金宝appulink和其他产品下载188bet金宝搏

得到审判现在