Juan Pablo Yamamoto Zazueta
jpyamamoto@ciencias.unam.mx
- Clonar el repositorio.
- Descargar el archivo modelo_final.pt. Se encuentra almacenado en la plataforma HuggingFace porque GitHub no me permitió subir un archivo pesado.
- Colocar el archivo descargado en
models/modelo_final.pt. - Ejecutar una por una las celdas en el notebook.
En el notebook adjunto [Detección de Ballenas]("Detección de Ballenas.ipynb") hicimos el procesamiento de archivos de audio para transformarlos en espectrogramas que recaben la información necesaria sobre los archivos en formato .aiff.
Estos archivos fueron transformados en imágenes PNG de tamaño 64x64.
Posteriormente, desarrollamos una red neuronal convolucional basada en AlexNet que entrenamos para categorizar imágenes según si el espectrograma corresponde a un audio con una ballena presente, o no.
Finalmente, evaluamos el desempeño de la red.
- "Getting to Know the Mel Spectrogram" - Dalya Gartzman
- Python Audio
- "Extracting Mel Spectrograms with Python" - Valerio Velardo - The Sound of AI
- "Mel Spectrograms Explained Easily" - Valerio Velardo - The Sound of AI
- "Why do we perceive logarithmically?" - Lav R. Varshney & John Z. Sun
- "Whale Sounds Lab" - Mr. Van Arsdale
- "Introduction to Speech Processing - Waveform" - Tom Bäckström, et al.
- "Nyquist Frequency" - MathWorld
- "North Atlantic Right Whale" - University of Rhode Island and Inner Space Center
- "Why is the output of the FFT symmetrical?" - Mark Newman
- "Sound Visualization" - Maël Fabien
- "Digital Audio Explained" - Computer Science
- "CNNs for Audio Classification" - Papia Nandi
- ConvNet Calculator
- "AlexNet Architecture" - Upendra Kumar
- "AlexNet - An Explanation of Paper with Code" - Abhishek Verma
- "A suitable way to punish mis-classification via nn.CrossEntropyLoss?" - Andrew