请问论文当中地标法有开源吗？

[Novicei]

No description provided.

[stdio2016]

地標法的程式放在 https://github.com/stdio2016/pfa
只是目前還沒有文件

[Novicei]

地標法的程式放在 https://github.com/stdio2016/pfa 只是目前還沒有文件

那么后续还会补充吗？

[stdio2016]

之後會加上README說明編譯和執行方法

[Novicei]

之後會加上README說明編譯和執行方法
您好，大概按照您的步骤跑了一下，发现10s查询的exact的结果大概在83%，near的结果大概在88%，这是否与您实验时一致呢？是我某些步骤出现问题了吗？这与原论文当中的结果差距好像有些大。
我猜测，是否是因为训练时的SNR的范围为[0,10],测试时SNR的范围为[-10,10]，我记得论文当中训练和测试的SNR的范围好像都是[0,10]。
我将测试时的SNR的范围调整到[0,10]后发现效果比论文当中的还要好一些，可能是由于随机种子，还是因为您的Topk设置的是100？我看tensorflow版本的Topk好像是20还是30.

[stdio2016]

由於我在原論文發布原始碼之前就嘗試重現，因此有部分的參數和原論文不同
主要的差異在於查詢資料產生，可以參考 mimbres/neural-audio-fp#14

[stdio2016]

如果要盡量接近原論文，可以用 genquery_naf.py 來產生查詢資料

[Novicei]

如果要盡量接近原論文，可以用 genquery_naf.py 來產生查詢資料

您好，使用genquery_naf.py生成1s的数据，在fma_full上查询的基线是多少呢？

[Novicei]

如果要盡量接近原論文，可以用 genquery_naf.py 來產生查詢資料

hi，您是否有时间来回答一下我的疑问呢？请问您在您的毕业论文当中使用的是哪一个 genquery呢？我看您好像使用的是genquery.py,而我用genquery.py得出的基线效果大概在85%？您使用genquery_naf和genquery产生查询的效果差别大吗？

[Novicei]

如果要盡量接近原論文，可以用 genquery_naf.py 來產生查詢資料

hi，您是否有时间来回答一下我的疑问呢？请问您在您的毕业论文当中使用的是哪一个 genquery呢？我看您好像使用的是genquery.py,而我用genquery.py得出的基线效果大概在85%？您使用genquery_naf和genquery产生查询的效果差别大吗？

我大概理解您的做法了，您是建库只是1万+500首歌曲，且准确率是用的歌曲准确率，而不是片段准确率。

[stdio2016]

抱歉我現在已經沒有可用的電腦來重現我過去的結果了，還在努力賺錢中

[Novicei]

抱歉，我已经没有可用的电脑了，我过去的结果了，现在正在努力赚钱

嗯嗯，没有关系。我只是想知道，这个repo的实现和原论文的接近程度。因为确实通过genquery_naf.py产生的音频效果和原论文非常接近，而genquery.py产生的效果要差很多，exact片段准确率大概只有88%左右，这让我很困惑。

[stdio2016]

genquery_naf.py是我參考原始論文後，重新實作的查詢產生器，精准度的結果較接近原論文
genquery.py是我的論文的設定，也是在原論文正式發表前，我對該論文查詢產生方法的猜測
原論文產生查詢時，是從音樂隨機取出多個1秒片段，並拼接成N秒，見genquery_naf.py第53~66行及第87~94行
我產生查詢是直接從音樂取出連續的N秒，見genquery.py第49~59行

[Novicei]

我了解您的意思，但我想知道您是否曾用官方提供的数据集来测试过您的实现呢？我目前正在尝试用官方提供的mini数据集(10G)来测试一下您的实现，并对比两种实现的效果。

[stdio2016]

原論文的程式碼並不會產生查詢音訊檔，而是沿用訓練時的資料擴增程式碼，從測試音樂中每0.5秒取出1秒音訊，並將這些有重疊的音訊片段輸入神經網路後預先計算輸出向量。
我的程式碼原本意圖用來輸入使用者提供的10秒查詢，因此我的程式碼需要輸入連續的N秒音訊作為查詢音檔，原論文產生的有重疊的查詢片段和我的查詢系統不相容，我無法使用原論文的測試資料來測試

[Novicei]

原論文的程式碼並不會產生查詢音訊檔，而是沿用訓練時的資料擴增程式碼，從測試音樂中每0.5秒取出1秒音訊，並將這些有重疊的音訊片段輸入神經網路後預先計算輸出向量。 我的程式碼原本意圖用來輸入使用者提供的10秒查詢，因此我的程式碼需要輸入連續的N秒音訊作為查詢音檔，原論文產生的有重疊的查詢片段和我的查詢系統不相容，我無法使用原論文的測試資料來測試

是的，我了解您的意思。我目前是使用的原论文提供的数据集v1.1当中的1万条30秒音频进行训练(号称可以提高8%的准确率），用原论文提供的1万条30秒的音频进行建库，用原论文提供的500条30秒音频使用generay_naf.py生成2000条1秒的和2000条2秒的音频进行查询，本实现的准确率为79.30%，95.25%. 而对于原论文，我使用的是他提供的训练好的模型进行测试，训练的数据集、建库的数据集应该都是相同的，而查询的话都是从同一批500首歌曲中产生的，但正如您说的，不完全相同，原论文准确率在78.15%，94.65%。