인공지능 Framework &Tools 인공지능 프레임워크와 도구(툴)들
2020.01.11 23:10
인공지능 Framework &Tools 인공지능 프레임워크와 도구(툴)들
인공지능 Framework &Tools
Deep Learning 관련 프레임워크
PyTorch
PyTorch는 Torch의 파이썬 버전으로, GPU를 사용하며 파이썬의 Numpy 라이브러리를 대체하고, 최고의 유연성과 스피드를 제공하기 위한 목적을 가지고 있습니다.
Caffe2
Caffe2는 페이스북이 공개한 표현, 속도 및 모듈성을 염두에 두고 개발된 딥러닝 프레임워크로 파이썬 인터페이스를 지원하는 C++ 라이브러리입니다.
ONNX
Open Neural Network Exchange (ONNX)는 딥러닝 모델을 인코딩하기 위한 오픈소스로 신경망의 컴퓨팅 그래프에 대한 형식과 그래프 안에서 사용하는 광범위한 연산자 목록에 대한 형식을 정의할 수 있습니다.
Tensor Comprehensions
Tensor Comprehensions (TC)는 Halide, ISL 및 NVRTC 또는 LLVM을 사용하여 고성능 기계 학습 커널을 자동으로 합성하는 완전 기능의 C ++ 라이브러리로 Caffe2와 PyTorch에 적용할 수 있습니다.
Glow
Glows는 다양한 하드웨어 환경을 지원하는 머신러닝 컴파일러로 머신러닝 프레임워크의 백엔드로 사용되도록 설계되었습니다. 현재 라이브러리는 개발단계에 있습니다.
Tensorflow
가장 있기있는 딥러닝 라이브러리 중 하나인 Tensorflow는 구글이 개발하여 공개하였으며, 알파고에도 활용되기도 하였습니다. 여러 개의 CPU 및 GPU와 모든 플랫폼, 데스크톱 모바일에서 사용할 수 있는 것이 장점입니다.
머신러닝 관련 Tool
FAISS
FAISS는 벡터의 효율적은 유사 검색 및 클러스터링을 위한 라이브러리로 메모리 사이즈가 부족한 벡터도 검색할 수 있는 알고리즘이 포함되어 있습니다.
StarSpace
StarSpace는 다양한 문제를 해결하기 위한 범용 임베딩 라이브러리로 가장 기본적인 단어, 문장, 문서에 대한 임베딩부터 텍스트 분류, 이미지 분류 등에 적용할 수 있습니다.
Visdom
Visdom은 데이터 시각화 툴로 프로그래밍 방식과 UI방식을 지원하며 실험결과를 검사하거나 실험 코드를 디버깅도 할 수 있습니다.
Libraries &Models
분석 및 언어처리
텍스트 마이닝 &정보추출
Aika
Aika는 인공신경망 네트워크로 구현된 텍스트의 의미 정보를 자동으로 추출해주는 자바 라이브러리입니다. 단어 모호성 해결, 엔티티 인식, 개체명 인식, 테스트 분류, 정보 추출 등에 적용될 수 있습니다.
텍스트 마이닝
문장 분류
워드 벡터와 convolutional neural network를 활용한 문장 분류 오픈소스 라이브러리입니다. 파이썬과 Theano로 구현되었습니다.
문서 클러스터링
Carrot2
Carrot2는 텍스트 검색 결과 클러스터링 엔진 오픈소스 라이브러리입니다. 자동으로 검색 결과를 주제별로 클러스터링합니다. 기본은 자바로 구현되어있으며, 다양한 환경에서 통합할 수 있도록 API를 제공합니다.
시각화
InfraNodus
InfraNodus는 Neo4J, Node.js, Sigma.js를 기반으로 자연어를 그래프로 나타내주는 오픈소스 라이브러리입니다. 가장 관련있는 단어와 단어간의 상호관계를 한 눈에 쉽게 파악할 수 있습니다.
기계 독해
BiDAF
BiDAF는 Bi-directional Attention Flow for Machine Comprehension의 줄임말로, 문서 독해를 통한 질의응답 시스템입니다. BiDAF의 질의응답 정확도는 SQUAD 데이터셋에서 높은 순위를 기록하고 있습니다.
요약
Sequence-to-Sequence with Attention Model for Text Summarization
인공신경망의 Sequence-to-Sequence with Attention 모델을 활용하여 문장을 요약해주는 라이브러리입니다. 긴 문장을 넣으면 짧은 구문으로 요약해주며 tensorflow로 구현되었습니다.
Summarizatin with Pointer-Generative Networks
Sequence-to-Sequence with Attention 모델 기반에 pointer-generator 모델을 함께 적용하여 원래의 문장에서 선택을 하여 문장을 요약하는 라이브러리입니다. Tensorflow로 구현되었습니다.
시맨틱 파서
SEMPRE 2.4
SEMPRE는 의미적 구문 분석을 실행하는 오픈 소스 입니다. 입력된 자연어를 필요에 따라 논리적 형태로 파싱하고 sparql형태로 실행 가능하도록 합니다. 또한 산수연산 등의 기능을 제공하는 라이브러리 입니다. SEMPRE는 다양한 기능을 갖춘 차별적인 의미 분석기이고, 규칙 기반 시스템으로 빠르게 프로토타입을 만들고, 다른 형태로는 지도 학습을 해서 이 두 시스템을 합칠 수 있습니다.
대화 &번역
Seq2seq + attention 모델
표준적인 seq2seq + attention 모델로 인코더 디코더는 LSTMs을 사용합니다. 인코더는 양방향 LSTM이 될 수 있고 추가적으로 단어 임베딩 대신에 character 임베딩을 입력 옵션으로 사용할 수 있습니다.
대화
DeepPavlov
DeepPavlov의 목표는 AI 개발자와 연구자들에게 사전 학습된 NLP 모델과, 사전에 정의된 대화 모델 요소(ML/DL/Rule based) 및 파이프라인 템플릿을 제공하는 것입니다. 그리고 대화 모델을 테스트할 수 있는 framework와 인접한 인프라와 애플리케이션을 통합할 수 있는 도구를 제공 합니다.
ParlAI
ParlAI는 파이썬으로 구성된 대화 AI 연구 framework 입니다. 대화 모델을 공유하고 학습하고 테스트하기 위한 단일 framework를 제공하고, 여러가지 작업을 동시에 처리할 수 있는 능력으로 인기있는 많은 데이터셋을 한 곳에서 사용가능 할 수 있도록 제공합니다. 또한 데이터 수집과 사람 평가를 위한 Amazon Mechanical Turk를 원활히 통합할 수 있도록 합니다.
임베딩
MUSE
MUSE(Multilingual Unsupervised and Supervised Embeddings :다국어 임베딩)은 다양한 언어를 쉽고 빠르게 개발하고 평가할 수 있는 python 라이브러리 입니다. 이 라이브러리는 연구자들과 개발자들이 인공지능 기술들을 새로운 언어로 보다 빠르게 가능할 수 있도록 합니다. MUSE는 새로운 방식으로 자연어 처리를 수행합니다. 텍스트를 분류하기 위해 언어별 학습, 또는 중간 번역에 의존하기 보다 다국어 word embedding을 활용하여 많은 언어들을 교차 학습 가능하도록 하여 개발자들이 확장하는 것을 도울 수 있습니다.
WSL Embeddings
Weakly Supervised Learning 모델 기반 임베딩
FastText
FastText는 단어를 표현과 문장 분류의 효율적인 학습을 위한 라이브러리 입니다. FastText는 페이스북이 2016년에 발표한 것으로 원래 단어를 부분단어(subword)의 벡터들로 표현한다는 점을 제외하고는 Word2Vec과 거의 유사합니다. 노이즈가 많은 말뭉치에 강점을 지니고, 학습시간에 있어서 빠르다는 장점을 가집니다.
모델
Fairseq
Fairseq는 연구자와 개발자가 번역, 요약, 언어 모델링 및 기타 텍스트 생성 작업을 위한 맞춤형 모델을 학습할 수 있도록 하는 시퀀스 모델링 툴킷입니다. 또한 Convolutional Neural Networks, Long Short-Term Memory networks, Transformer networks와 같은 다양한 시퀀스 모델의 참조 구현을 제공합니다. Fairseq는 1대 또는 여러대의 시스템에 대한 다중 분산 학습과 CPU와 GPU 모두에서 빠른 빔 검색을 생성하고 지연된 업데이트를 통한 대규모 미니 배치 학습으로 빠르고 정밀한 학습의 특징을 가지고 있습니다.
언어 분석
Stanford CoreNLP - Natural language software
스탠포드의 CoreNLP는 자바 언어로 작성된 자연 언어 분석 도구를 제공합니다. 정제되지 않은 인간 언어 텍스트를 입력이 될 수 있고 단어의 기본형태, 말의 일부분, 그것들이 회사, 사람 등의 이름인지 여부, 날짜, 시간, 숫자를 해석할 수 있습니다. 구문 또는 단어의 의존성 측면에서 문장의 구조를 표시하고 어떤 명사구가 동일한 entity들을 참조하는지 표시합니다.
BioMedICUS
BioMedICUS는 바이오메디컬 정보 수집 및 이해 시스템입니다. 대규모 텍스트 분석, 생체 의학 및 임상 보고서 처리를 위한 시스템입니다. 이 시스템은 미네소타 대학교 건강 정보학 연구소의 자연 언어 처리 및 정보 추출 프로그램에 의해 개발됐습니다. 이 시스템은 생물 의학과 임상 연구원들을 대상으로하는 협업 프로젝트로, 다양한 텍스트로 맞춤 제작이 가능합니다. 이 프로젝트의 목표는 확정성 및 성능으로 수백만장의 노트를 처리하기 위해 이 시스템을 사용하고 이를 위해서는 분산 병렬화를 지원해야 합니다.
AllenNLP
AllenNLP는 PyTorch를 기반으로 하는 Apache2.0 NLP라이브러리 입니다. 다양한 언어 모델링 작업에 관해 최신의 심층 학습 모델을 개발하기 위해 구축됐습니다. 클라우드나 랩탑에서 쉽게 실행할 수 있는 인프라와 거의 모든 NLP문제에 대해 새로운 심층 학습 모델을 쉽게 설계하고 평가할 수 있습니다.
번역
Translate
Translate는 PyTorch 기반의 기계 번역 라이브러리 입니다. Seq2seq 학습 모델을 제공합니다. Translate는 일반적인 seq2seq 라이브러리인 Fairseq에 의존합니다. 즉, Translate과 Fairseq에서 구현된 모델을 모두 학습할 수 있습니다. 또한 학습한 모델을 Caffe2 그래프로 내보낼 수 있고 이러한 모델들을 C++에서 로드하고 실행하는 기능도 제공합니다.
ko_en_neural_machine_translation
Korean English NMT with Gluon은 한글을 영어로 번역하는 신경망 기계 번역 라이브러리 입니다. 어텐션 기반 seq2seq 모델을 사용하고 AWS와 마이크로소프트의 오픈 소스 딥러닝 학습 인터페이스인 Gluon을 사용하고 있습니다. Multi gpu 학습 옵션을 제공하고 변동성 있는 문장 길이를 학습할 수 있습니다.
OpenNMT
MIT 오픈 소스인 신경망 기계 번역 시스템으로 파이토치로 구현되어 있습니다. 번역, 요약, 이미지를 텍스트로 표현, 형태학 그리고 많은 다른 영역에서 새로운 아이디어를 시도하기 위해 연구 친화적으로 설계되어 있습니다.
지능
음성 인식
wav2letter
wav2letter는 Facebook AI Reseach의 간편하고 효율적인 End-to-End 자동 음성 인식 (ASR) 시스템 입니다. Wav2letter는 Gated ConvNet을 사용한 End-to-End ConvNet기반의 음성 인식 시스템 및 문자 기반 기반 음성 인식에서 제안된 아키텍처를 구현합니다. 음성 변환을 바로 시작하려면 Librispeech 데이터셋에 대해 사전 학습된 모델을 제공합니다.
Kaldi
C++ 기반의 음성인식 툴킷입니다. 음성 데이터를 분석하기 위해, VTLN, cepstral mean and variance normalization, LDA, STC/MLLT, HLDA 등과 같은 다양한 feature extraction 모델을 지원합니다. 또한, 음성 decoder와 IRSTLM 기반의 language model을 지원합니다.
CMUSphinx
음성인식 툴킷입니다. 현재 영어, 프랑스어, 중국어, 독일어, 네덜란드어, 러시아어에 대한 음성인식 model이 공개되어 있으며, 새로운 언어에 대한 음성인식 모델을 구축할 수 있는 기능을 지원합니다.
zeroth
Kaldi 툴킷 기반의 한국어 음성인식 소프트웨어 구축 프로젝트입니다. Kaldi model과 더불어, 한국어 data기반의 language model에 대한 내용을 포함합니다.
음성 합성
tacotron
Google에서 공개한 딥러닝 기반의 음성합성 모델입니다. 음성의 음성 스펙트럼을 featue vector로 사용하여, 문자열과 해당 feature vector를 학습합니다.
이미지
gesture recgnizer
CNN 기반의 손동작을 인식하는 소프트웨어 입니다. OpenCV를 이용해 손을 찾아내고 영상처리를 손쉽게 수행할 수 있으며, 묵, 찌, 빠, ok를 인식할 수 있는 기본 기능을 지원합니다.
object segmentation
Facebook에서 공개한 프로젝트로, 이미지에서 특정 object에 대한 masking을 지원합니다. 먼저 이미지에서 object이 존재할 것 같은 곳을 찾고, 그 다음 해당 object에 대한 masking을 수행합니다.
image classification
tensorflow library에서 이미지 분류를 위해 공개한 모델들입니다. MNIST, CIFAR-10, ImageNet's dataset of 1000 classes 등의 다양한 모델들이 공개되어 있으며, pre-train 된 학습 model도 지원합니다.
Face Recognition
python 기반의 얼굴인식 library 입니다. 'Labeled Faces in the Wild' 데이터 기반으로 약 99.38%의 accuracy로 얼굴을 찾아내었습니다. 인식된 사람 얼굴에서 눈, 코, 입에 대한 위치 정보를 획득할 수 있으며, 해당 이미지의 사람이 누구인지 알 수 있는 기능을 제공합니다. real-time으로도 동작할 수 있습니다.
DeepFace API
얼굴 인식을 제공하는 유료 소프트웨어 입니다. 나이, 성별, 얼굴 방향, 눈 상태, 피부색, 감정, 얼굴 유사도를 비교할 수 있는 기능을 제공합니다.
욜로(YOLO)
object 인식을 제공하는 오픈소스입니다. COCO 데이터 기반으로 약 57.9%의 accuracy를 나타냈습니다. 하나의 이미지에 대해 여러 object을 찾아낼 수 있으며, pre-train된 model 파일을 제공합니다.
DCGAN
tensorflow library 기반의 이미지 생성 오픈소스입니다. 이미지로부터 새로운 이미지를 생성해냅니다. 예를 들어, 웃는 이미지 데이터를 이용해 무표정한 이미지를 웃는 얼굴로 변환시킬 수 있고, 일부분이 소실된 이미지를 복원할 수도 있습니다.
Image-captioning
Keras와 Tensorflow 기반의 이미지 묘사 오픈소스입니다. 이미지를 입력하면 해당 이미지의 상황을 묘사하는 자연어를 획득할 수 있습니다.
FaceNet
Tensorflow 기반의 얼굴인식 오픈소스입니다. 얼굴을 인식하기 위해 Multi-task CNN을 활용하였으며, Euclidean space를 feature로 활용합니다. 'Labeled Fasces in the Wild' 데이터셋 기준으로 약 99.63%의 accuracy로 얼굴을 찾아내었습니다.
Detectron
Facebook에서 공개한 프로젝트로, 이미지에서 object를 인식할 수 있습니다. 하나의 이미지에서 다양한 object을 동시에 인식할 수 있으며, score도 획득할 수 있습니다.
House3D
Deapth 정보를 얻을 수 있는 단일 방 3D 이미지로부터 전체 집의 3D 이미지를 생성하는 오픈소스 프로젝트입니다.
DensePose
사람의 자세를 추정
게임
강화학습
RLCode 팀이 개발한 게임 강화 학습 알고리즘의 기본 예시 오픈 소스 모음입니다. 기초부터 심층적인 학습까지 읽기 쉬운 코드 예제를 제공합니다. 각 알고리즘은 단일 파일로 구성되어 있습니다.
ELF
ELF는 게임 분야의 머신러닝 연구를 위한 광범위하고 가볍고 유연한 오픈 플랫폼입니다. 2018년 4월에 세계 30위권 선수 4명을 14-0으로 이긴 Go playing bot을 개발하는데 사용되기도 하였습니다.
TorchCraft
TorchCraft는 StarCraft 데이터를 ZMQ 연결을 통해 전송하는 BWAPI 모듈입니다. 이를 통해 StarCraft 데이터를 분석할 수 있으며 BWAPI와 상호 작용할 수 있습니다. TorchCraft 클라이언트는 C ++, Python 또는 Lua에서 설치가 가능합니다.
데이터
이미지
MNIST
MNIST는 손으로 쓴 숫자 글씨 데이터로 60,000개의 학습 세트와 10,000개의 테스트 세트로 구성된 오픈 데이터입니다. 숫자 크기는 표준화되어 있고 고정된 크기의 이미지 중앙에 위치합니다.
CIFAR-10
CIFAR-10 데이터는 10개의 클래스로 나뉘는 60000개의 32x32 크기 컬러 이미지 오픈 데이터 입니다. 50000개의 학습 세트와 10000개의 테스트 세트로 구성되어 있습니다.
CIFAR-100
CIFAR-100 데이터는 100개의 클래스로 나뉘는 60000개의 32x32 크기 컬러 이미지 오픈 데이터 입니다. 50000개의 학습 세트와 10000개의 테스트 세트로 구성되어 있습니다. 100개의 클래스는 20개의 수퍼 클래스로 그룹화될 수 있습니다.
Open Images v4
Open Images V4는 이미지 단위의 레이블과 객체 바운딩 박스 정보를 내포한 9백만개의 오픈 데이터 세트입니다. V4의 학습 세트는 1.74M개 이미지에서 600가지 객체 종류를 포함하는 14.6M개의 객체 박운딩 박스 정보를 제공합니다. 이는 현존하는 객체의 위치 정보를 제공해주는 오픈 데이터 중 가장 많은 양입니다.
COCO dataset (Common Objects in Context)
COCO는 대규모 개체 인식, 세분화, 캡셔닝을 위한 오픈 데이터 세트입니다.
MS-COCO
COCO 는 large-scale object detection 과 segmentation 그리고 captioning을 위한 데이터 셋으로 150만 인스턴스와 80개의 object 카테고리를 제공합니다.
ImageNet
워드넷(WordNet)의 계층구조에 기반한 이미지 데이터 셋. 계층구조에 따라 노드가 존재하며, 노드에는 수많은 이미지가 존재. 현재는 명사(noun)에 해당하는 이미지만 지원
VisualQA
질의에 정답에 해당하는 이미지 데이터 셋, 하나의 이미지에 최소 세개의 질의 지원, 265,016 이미지
The Street View House Numbers (SVHN)
도로에서 보여지는 주소 번호를 구별하기 위한 데이터 셋, 600,000 이상의 라벨링된 숫자 이미지 지원
Age Detection of Indian Actors
Age Detection of Indian Actors는 수천 개의 인도 배우 이미지가 포함되었으며 그들의 나이를 맞추는 연구에 활용되었습니다.모든 이미지는 수동으로 선택하고 비디오 프레임에서 잘라내어 스케일, 포즈, 조명, 나이, 해상도, 메이크 업 등 방면에서 가변성이 높아 딥러닝을 함에 있어서 도전성이 높은 데이터 셋으로 간주됩니다.
Fashion-MNIST
Zalando 사의 패션 아이템 이미지 셋, 60,000개의 training Set과 10,000개의 test Set 지원
음성 합성
LJ Speech Dataset
LJ Speech 데이터 세트는 TTS 학습을 위해 7개의 논픽션 책을 한 명의 화자가 읽은 13,100개의 영어 음성 오픈 데이터입니다. 각 클립의 길이는 1~10초 사이이며 총 길이는 약 24시간 입니다.
음성 인식
LibriSpeech Dataset
LibriSpeech 데이터 세트는 다니엘 포비의 도움을 받아 Vassil Panayotov가 구성한 16kHz 샘플링의 영어 연설 오디오 오픈 데이터로 총 길이는 약 1000시간입니다. 또한 사전 학습된 모델을 제공합니다.
Free Spoken Digit Dataset
MNIST 데이터 셋에서 영감을 얻은 이 데이터는 오디오 샘플에서 음성 숫자를 식별하는 작업을 해결하기 위해 만들어졌습니다. 오픈 데이터셋이기 때문에 사람들이 더 많은 샘플을 지속적으로 제공함에 따라 데이터셋은 계속해서 증가될 것 입니다.
VoxCeleb
VoxCeleb는 YouTube 동영상에서 추출한 1,251명의 유명인들의 약 10만건의 발언이 포함되어 있는 대규모의 데이터 셋입니다. 이는 다양한 엑센트, 전문직 및 연령대의 데이터를 포함하고 있고 그중 남성 관련 데이터가 약 55%를 차지하고 있습니다. 이는 슈퍼스타의 음성을 식별, 분리, 학습하거나 기타 다양한 연구에 활용할 수있습니다
요약
Gigaword Dataset
Gigaword 데이터 세트는 생성 요약 학습을 위한 오픈 데이터 세트 입니다. 다양한 도메인의 약 9.5M개 뉴스기사를 포함하고 있습니다.
언어 분석
CoNLL Dataset
CoNLL에서는 매년 다양한 영어 NLP task를 위한 범용 데이터를 공개하고 있습니다. 영어에 국한되지 않고 다양한 언어에 대한 데이터를 제공하며, 형태소 분석, 개체명 인식, 구문 분석, 번역 등 다양한 데이터셋을 제공합니다.
IMDB Reviews
영화 리뷰의 이진 감정 분류를위한 데이터 세트입니다. 훈련을 위한 25,000 개의 영화 리뷰와 검증을 위한 25,000 개의 영화 리뷰로 구성되어있습니다. 또한 사용할 수있는 추가 unlabeled 데이터가 있습니다. 원문과 함께 이미 처리 된 bag-of-words가 제공됩니다.
Sentiment140
Brand, product, 또는 topic on Twitter에 대한 감정 분석을 위한 데이터 셋
WordNet
영어 어휘 데이터베이스. 명사, 동사, 형용사 및 부사는 각기 다른 개념을 나타내는인지 동의어 집합 (synsets)으로 그룹화되어있다.
Yelp Reviews
Yelp 데이터 세트는 개인, 교육 및 학업 목적으로 사용되는 비즈니스, 리뷰 및 사용자 데이터입니다.
The Wikipedia Corpus
Wikipedia corpus 데이터는 Wikipedia의 전체 텍스트 데이터 모음입니다. 400만개 이상의 기사에서 나온 19억개의 단어가 포함되어 있습니다. 이 NLP 데이터셋이 강력한 이유는 단어, 구, 또는 단락 자체로 검색할 수 있기 때문입니다.
The Blog Authorship Corpus
Blog Authorship Corpus 데이터는 수천 개의 블로거에서 수집된 블로그 포스트들로 구성되어 있으며, blogger.com에서 수집했습니다. 각 블로그는 별도의 파일로 제공되며, 각 블로그마다 일반적으로 사용되는 영어 단어가 최소 200개 이상 들어 있습니다.
Machine Translation of Various Languages
"이 데이터셋은 4개의 유럽 언어에 대한 학습 데이터로 구성되어 있습니다. 이 데이터를 이용한 task는 현재 번역 방법을 개선시키는 것 입니다. 여러가지 번역 task 중 아래와 같은 쌍의 언어 번역 task에 대한 데이터로 구성되어 있습니다. English-Chinese and Chinese-English English-Czech and Czech-English English-Estonian and Estonian-English English-Finnish and Finnish-English English-German and German-English English-Kazakh and Kazakh-English English-Russian and Russian-English English-Turkish and Turkish-English"
Twitter Sentiment Analysis
Twitter Sentiment Analysis은 normal유형과 hates유형의 트윗 31,962건이 포함된 Twitter 데이터 셋입니다. hates유형은 인종, 성 차별주의 형태로 불쾌감을 주는 유형의 데이터셋입니다. 이는 hates한 트윗을 식별하고 이를 나머지 사람들과 분리하는 등의 중요한 연구에 활용될 수 있습니다.
모델
OpenNMT PyTorch 모델
Sequence to sequence with attention 모델을 활용하여 딥러닝 모델을 미리 트레이닝하여 제공합니다. 제공되는 모델은 German to English 번역, 영어 요약, 중국어 요약, 챗봇입니다.
Pre-trained word vectors
FastText는 워드벡터의 최신기술입니다. 위키피디아 덤프를 활용하여 FastText 알고리즘으로 워드 벡터를 트레이닝 해둔 모델이 존재합니다. 영어와 한국어를 포함한 294개의 언어를 지원합니다.
오디오
Free Music Archive (FMA)
FMA데이터는 음악 분석을 위한 데이터셋 입니다. 데이터셋은 전체 길이 및 HQ 오디오, 사전 계산된 features, 트랙 및 사용자 레벨의 메타 데이터로 구성됩니다. MIR에서 여러 작업을 평가하기 위해 생성된 오픈 데이터셋 입니다.
Million Song Dataset
Million Song Dataset은 현대 대중 음악 트랙 백만곡에 관한 audio features와 metadata가 포함된 데이터셋입니다. 데이터 셋에는 오디오가 포함되지 않고 파생 된 feature만 포함되어 있습니다. 전체 데이터의 용량은 약 280GB정도이며 간단한 작업을 위한 10,000 곡 (1 %, 1.8GB 압축) 의 SubSet 도 제공하고 있습니다.
Urban Sound Classification
Urban Sound Classification는 10개의 클래스에서 8000가지가 넘는 도시 사운드를 excerpts하여 생성한 데이터 셋입니다. 일반적인 분류 시나리오 중 오디오 처리를 하기 위해 사용되고 있습니다.
Ballroom
Ballroom 데이터는 사교 댄스 음악의 오디오 파일 데이터 입니다. 사교 댄스 음악 종류로 차차, 자이브, 퀵스텝, 룸바, 삼바, 탱고, 비엔니스 왈츠, 슬로우 왈츠가 포함되어 있습니다.
[출처] https://www.adams.ai/aitools
광고 클릭에서 발생하는 수익금은 모두 웹사이트 서버의 유지 및 관리, 그리고 기술 콘텐츠 향상을 위해 쓰여집니다.
