DDMD
DDMD: Digital Drug Music Detector
תיאור
מטרת פרויקט DDMD היא לספק פתרון מבוסס-AI לזיהוי מוזיקה דיגיטלית שמעודדת שימוש בסמים. התהליך מתחיל באיסוף של 3,176 קובצי MP3 ללא זכויות יוצרים, מתוכם 1,676 מסווגים כמוזיקת דאנס דיגיטלית, ו-1,500 מסווגים כלא מוזיקת דאנס דיגיטלית.
הקבצים האלה משמשים לפיתוח מודל שמבוסס על Random Forest, שיכול לסווג קובצי אודיו כמוזיקת דאנס דיגיטלית או ככזו שאינה מוזיקת דאנס דיגיטלית. המודל משתמש ב-34 מאפיינים שחולצו מקובצי האודיו האלה, שכוללים מאפיינים של תדר ומאפיינים של תחום זמן, והוא הניב תוצאות מעודדות מאוד.
כדי שהתוצאות יהיו נגישות וקלות לשימוש, פיתחנו אפליקציית אינטרנט. האפליקציה הזו משתמשת במודל Random Forest המאומן כדי לסווג קובצי אודיו באמצעות ממשק פשוט ואינטואיטיבי. אפליקציית האינטרנט של DDMD נוצרה באמצעות Flask לקצה העורפי ו-HTML/CSS לקצה הקדמי. האפליקציה משתמשת במודל Random Forest (יער אקראי) שהודרכה מראש כדי לבצע תחזיות, היא מקבלת פורמטים שונים של קובצי אודיו, ממירה קובצי אודיו שאינם MP3 לקובצי MP3 ומאפשרת קלט דרך כתובת URL של YouTube.
בנוסף, כדי לשפר את דיוק הסיווג, אנחנו בודקים דרכים לשפר את האפליקציה של DDMD על ידי שינוי מדויק של מודל Gemini-1.5-flash. הצענו שתי גישות: ראשית, הכנו מערך נתונים בפורמט JSON על סמך התוצאות של הסיווג של Random Forest כדי לשפר את המודל Gemini-1.5-flash. בגישה השנייה, אנחנו משתמשים ב-Gemini API ומנסים פורמטים שונים של קלט, כולל CSV ו-JSON, כדי לשפר את המודל הזה של Gemini.
נוצר באמצעות
- אינטרנט/Chrome
- Google Colab
- Google Slides
- AI מבית Google להמרת דיבור לטקסט
קבוצה
מאת
אלג'יריה