AudioSet: словник звуків і два мільйони кліпів
У березні 2017 року Йорт Геммеке й співавтори з Google представили AudioSet — ієрархічну онтологію звукових подій і 2 084 320 розмічених людьми 10-секундних кліпів із відео YouTube; розмітники перевіряли, чи чутно в сегменті певний клас звуку.
Чому це важливо
Розпізнавання звуків поза мовленням — інструментів, тварин, побутових шумів — дістало спільний великий набір, як зір дістав ImageNet. Пізніші моделі генерації музики складали з його кліпів власні оцінювальні набори.
Сторінка набору 8 березня 2017 року: онтологія на 632 класи, 527 класів із розміткою, 2,1 млн відео, 5,8 тисячі годин звуку. Резюме статті називає 635 класів; обидва числа — з різних документів того самого місяця. Повного тексту статті не прочитано: PDF на сайті Google віддається завантаженням.