DDMD
DDMD: ตัวตรวจจับเพลงเกี่ยวกับยาเสพติดดิจิทัล
การทำงาน
โปรเจ็กต์ DDMD มีเป้าหมายเพื่อมอบโซลูชันที่ทำงานด้วยระบบ AI สำหรับตรวจจับเพลงเกี่ยวกับยาเสพติดในสื่อดิจิทัล กระบวนการเริ่มต้นด้วยการเก็บรวบรวมไฟล์ MP3 ที่ไม่มีลิขสิทธิ์จำนวน 3,176 ไฟล์ โดยแบ่งออกเป็น 1,676 ไฟล์ที่จัดว่าเป็นเพลงเกี่ยวกับยาเสพติดในสื่อดิจิทัล และ 1,500 ไฟล์ที่จัดว่าเป็นเพลงที่ไม่ใช่เกี่ยวกับยาเสพติดในสื่อดิจิทัล
ไฟล์เหล่านี้ใช้ในการพัฒนาโมเดลที่อิงตาม Random Forest ซึ่งสามารถจัดประเภทไฟล์เสียงว่าเป็นเพลงเกี่ยวกับยาเสพติดในสื่อดิจิทัลหรือไม่ โมเดลนี้ใช้ฟีเจอร์ 34 รายการที่ดึงมาจากไฟล์เสียงเหล่านี้ ซึ่งครอบคลุมทั้งลักษณะความถี่และโดเมนเวลา และได้ผลลัพธ์ที่น่าพอใจมาก
เราพัฒนาเว็บแอปพลิเคชันเพื่อให้เข้าถึงผลการค้นหาได้ง่ายและใช้งานง่าย แอปพลิเคชันนี้ใช้ประโยชน์จากโมเดล Random Forest ที่ผ่านการฝึกอบรมเพื่อจัดประเภทไฟล์เสียงผ่านอินเทอร์เฟซที่ใช้งานง่าย เว็บแอปพลิเคชัน DDMD สร้างขึ้นโดยใช้ Flask สำหรับแบ็กเอนด์และ HTML/CSS สำหรับฟรอนต์เอนด์ โดยจะใช้โมเดล Random Forest ที่ผ่านการฝึกล่วงหน้าเพื่อทำนาย ยอมรับไฟล์เสียงรูปแบบต่างๆ แปลงไฟล์ที่ไม่ใช่ MP3 เป็น MP3 และอนุญาตให้ป้อนข้อมูลผ่าน URL ของ YouTube
นอกจากนี้ เรายังพยายามหาวิธีปรับปรุงแอปพลิเคชัน DDMD โดยการปรับแต่งโมเดล Gemini-1.5-flash เพื่อเพิ่มความแม่นยำในการแยกประเภท เราได้เสนอแนวทาง 2 วิธีด้วยกัน ขั้นแรกคือเราได้เตรียมชุดข้อมูล JSON โดยอิงตามผลการแยกประเภท Random Forest เพื่อปรับแต่งโมเดล Gemini-1.5-flash ในแนวทางที่ 2 เราใช้ Gemini API และทดสอบรูปแบบอินพุตต่างๆ ซึ่งรวมถึง CSV และ JSON เพื่อปรับแต่งโมเดล Gemini นี้
สร้างด้วย
- เว็บ/Chrome
- Google Colab
- Google สไลด์
- AI ของ Google สำหรับการแปลงคำพูดเป็นข้อความ
ทีม
จาก
แอลจีเรีย