我们的评估方法采用了 Harmonix 数据集中概述的结构分割评估方法，其中使用结构特征进行边界识别，并使用二维傅里叶振幅系数（2D-FMC）根据声学相似性进行分割标记。CQT 特征是该算法的输入特征。该算法使用音乐结构分析框架（MSAF）实现。在评估指标方面，报告了以下指标的 F-measure： 用于边界检索的 0.5 秒和 3 秒窗口命中率，用于片段标记的成对帧聚类和熵分数。评估使用 mir_eval 实现。
歌曲结构标注数据集 evaluation 结果
使用
Git下载
pip install modelscope
git clone https://www.modelscope.cn/ccmusic-database/song_structure.git
cd song_structure
SDK下载
```python from modelscope import snapshotdownload modeldir = snapshotdownload('ccmusic-database/songstructure')
## 数据集
<https://www.modelscope.cn/datasets/ccmusic-database/song_structure>
## 镜像
<https://huggingface.co/ccmusic-database/song_structure>
## 评估
<https://github.com/monetjoe/ccmusic_eval/tree/msa>
## 引用
bibtex @dataset{zhaoruiliu2021_5676893, author = {Monan Zhou, Shenyang Xu, Zhaorui Liu, Zhaowen Wang, Feng Yu, Wei Li and Baoqiang Han}, title = {CCMusic: an Open and Diverse Database for Chinese and General Music Information Retrieval Research}, month = {mar}, year = {2024}, publisher = {HuggingFace}, version = {1.2}, url = {https://huggingface.co/ccmusic-database} } ```
评论