DDMD

DDMD: Digital Drug Music Detector

Descrizione

Il progetto DDMD mira a fornire una soluzione basata sull'IA per il rilevamento di musica digitale correlata alle droghe. Il processo inizia con la raccolta di 3176 file MP3 non protetti da copyright, di cui 1676 sono classificati come musica digitale correlata alle droghe e 1500 come non musica digitale correlata alle droghe.
Questi file vengono utilizzati per sviluppare un modello basato su foreste casuali che può classificare i file audio come musica digitale correlata alle droghe o meno. Il modello utilizza 34 elementi estratti da questi file audio, che coprono sia le caratteristiche in frequenza che quelle nel dominio del tempo, e ha ottenuto risultati molto incoraggianti.
Per rendere i risultati accessibili e facili da usare, abbiamo sviluppato un'applicazione web. Questa applicazione sfrutta il modello Random Forest addestrato per classificare i file audio tramite un'interfaccia semplice e intuitiva. L'applicazione web DDMD viene creata utilizzando Flask per il backend e HTML/CSS per il frontend. Utilizza il modello Random Forest preaddestrato per fare previsioni, accetta vari formati di file audio, converte i file non MP3 in MP3 e consente l'input tramite un URL di YouTube.
Inoltre, per migliorare l'accuratezza della classificazione, stiamo esplorando modi per migliorare l'applicazione DDMD ottimizzando il modello Gemini-1.5-flash. Abbiamo proposto due approcci: innanzitutto, abbiamo preparato un set di dati JSON in base ai risultati del classificatore Random Forest per perfezionare il modello Gemini-1.5-flash. Nel secondo approccio, utilizziamo l'API Gemini e sperimentiamo diversi formati di input, tra cui CSV e JSON, per ottimizzare questo modello Gemini.

Realizzato con

  • Web/Chrome
  • Google Colab
  • Presentazioni Google
  • L'IA di Google Speech-to-Text

Team

Da

Algeria