ترجمه فارسی مقاله EAViT: ترانسفورماتور بینایی توجه خارجی برای طبقه بندی صدا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی EAViT: External Attention Vision Transformer for Audio Classification
عنوان مقاله به فارسی EAViT: ترانسفورماتور بینایی توجه خارجی برای طبقه بندی صدا
نویسندگان Aquib Iqbal, Abid Hasan Zim, Md Asaduzzaman Tonmoy, Limengnan Zhou, Asad Malik, Minoru Kuribayashi
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Information Retrieval,Machine Learning,Audio and Speech Processing,صدا , بازیابی اطلاعات , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 23 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper presents the External Attention Vision Transformer (EAViT) model, a novel approach designed to enhance audio classification accuracy. As digital audio resources proliferate, the demand for precise and efficient audio classification systems has intensified, driven by the need for improved recommendation systems and user personalization in various applications, including music streaming platforms and environmental sound recognition. Accurate audio classification is crucial for organizing vast audio libraries into coherent categories, enabling users to find and interact with their preferred audio content more effectively. In this study, we utilize the GTZAN dataset, which comprises 1,000 music excerpts spanning ten diverse genres. Each 30-second audio clip is segmented into 3-second excerpts to enhance dataset robustness and mitigate overfitting risks, allowing for more granular feature analysis. The EAViT model integrates multi-head external attention (MEA) mechanisms into the Vision Transformer (ViT) framework, effectively capturing long-range dependencies and potential correlations between samples. This external attention (EA) mechanism employs learnable memory units that enhance the network's capacity to process complex audio features efficiently. The study demonstrates that EAViT achieves a remarkable overall accuracy of 93.99%, surpassing state-of-the-art models.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله مدل ترانسفورماتور دیدگاه توجه خارجی (EAVIT) ارائه شده است ، یک رویکرد جدید که برای تقویت دقت طبقه بندی صوتی طراحی شده است.با افزایش منابع صوتی دیجیتال ، تقاضا برای سیستم های طبقه بندی صوتی دقیق و کارآمد تشدید شده است ، که ناشی از نیاز به سیستم های توصیه شده بهبود یافته و شخصی سازی کاربر در برنامه های مختلف از جمله سیستم عامل های پخش موسیقی و تشخیص صدای محیط زیست است.طبقه بندی دقیق صوتی برای سازماندهی کتابخانه های گسترده صوتی در دسته های منسجم بسیار مهم است و کاربران را قادر می سازد تا با محتوای صوتی مورد نظر خود به طور مؤثرتر پیدا و تعامل داشته باشند.در این مطالعه ، ما از مجموعه داده GTZAN استفاده می کنیم ، که شامل 1000 گزیده موسیقی است که ده ژانر متنوع را شامل می شود.هر کلیپ صوتی 30 ثانیه ای برای تقویت استحکام مجموعه داده ها و کاهش خطرات بیش از حد ، به گزیده ای از 3 ثانیه تقسیم می شود و باعث می شود تجزیه و تحلیل ویژگی های دانه ای بیشتری داشته باشد.مدل EAVIT مکانیسم های توجه خارجی چند سر (MEA) را در چارچوب ترانسفورماتور بینایی (VIT) ادغام می کند ، و به طور موثری وابستگی های دوربرد و همبستگی های بالقوه بین نمونه ها را ضبط می کند.این مکانیسم توجه بیرونی (EA) از واحدهای حافظه قابل یادگیری استفاده می کند که ظرفیت شبکه را برای پردازش ویژگی های صوتی پیچیده به طور کارآمد تقویت می کند.این مطالعه نشان می دهد که EAVIT به دقت کلی قابل توجه 93.99 ٪ دست پیدا می کند و از مدلهای پیشرفته ای فراتر می رود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.