Ignore:
Timestamp:
Feb 23, 2006, 3:23:30 AM (19 years ago)
Author:
Paul Brossier <piem@altern.org>
Branches:
feature/autosink, feature/cnn, feature/cnn_org, feature/constantq, feature/crepe, feature/crepe_org, feature/pitchshift, feature/pydocstrings, feature/timestretch, fix/ffmpeg5, master, pitchshift, sampler, timestretch, yinfft+
Children:
ee7b9da
Parents:
a12563ea
Message:

update onset bench
update onset bench

File:
1 edited

Legend:

Unmodified
Added
Removed

  • python/test/bench/onset/bench-onset

    ra12563ea r6ae3a77  
    1111                self.thresholds = thresholds
    1212                self.pretty_titles()
    13                 d,e,f = [],[],[]
     13                d,e,f,g = [],[],[],[]
    1414                for mode in modes:
    1515                        self.vlist = []
    1616                        self.params.onsetmode = mode
     17                        #self.params.localmin = True
     18                        self.params.delay = 2.
     19                        self.params.bufsize = 1024
     20                        self.params.hopsize = 256
     21                        self.params.step = float(self.params.hopsize)/float(self.params.samplerate)
     22                        #self.params.mintol = 8.
     23
    1724                        for threshold in self.thresholds:
    1825                                self.params.threshold = threshold
    19                                 self.dir_exec()
    20                                 self.dir_eval()
    21                                 self.pretty_print()
    22                                 #print self.v
     26                                self.dir_eval_print()
    2327                                self.vlist.append(self.v)
    2428                        self.plotroc(d)
    2529                        self.plotfmeas(e)
    2630                        self.plotpr(f)
    27                         #print vlist
     31                        #self.plothistcat(g)
     32
     33
     34
    2835                #self.plotplotroc(d)
    2936                #self.plotplotfmeas(e)
    … …  
    3441                        self.plotplotfmeas(e,outplot=outplot,extension=ext)
    3542                        self.plotplotpr(f,outplot=outplot,extension=ext)
    36 
    37 
    38         def auto_learn(self,modes=['dual'],thresholds=[0.1,1.5]):
    39                 """ simple dichotomia like algorithm to optimise threshold """
    40                 self.modes = modes
    41                 self.pretty_titles()
    42                 for mode in self.modes:
    43                         steps = 11
    44                         lesst = thresholds[0]
    45                         topt = thresholds[1]
    46                         self.params.onsetmode = mode
    47 
    48                         self.params.threshold = topt
    49                         self.dir_exec()
    50                         self.dir_eval()
    51                         self.pretty_print()
    52                         topF = self.F
    53 
    54                         self.params.threshold = lesst
    55                         self.dir_exec()
    56                         self.dir_eval()
    57                         self.pretty_print()
    58                         lessF = self.F
    59 
    60                         for i in range(steps):
    61                                 self.params.localmin = True
    62                                 self.params.delay = 1.
    63                                 self.dir_exec()
    64                                 self.dir_eval()
    65                                 self.params.threshold = ( lesst + topt ) * .5
    66                                 self.dir_exec()
    67                                 self.dir_eval()
    68                                 self.pretty_print()
    69                                 if self.F == 100.0 or self.F == topF:
    70                                         print "assuming we converged, stopping"
    71                                         break
    72                                 #elif abs(self.F - topF) < 0.01 :
    73                                 #       print "done converging"
    74                                 #       break
    75                                 if topF < self.F:
    76                                         #lessF = topF
    77                                         #lesst = topt
    78                                         topF = self.F
    79                                         topt = self.params.threshold
    80                                 elif lessF < self.F:
    81                                         lessF = self.F
    82                                         lesst = self.params.threshold
    83                                 if topt == lesst:
    84                                         lesst /= 2.
    85 
    86         def auto_learn2(self,modes=['dual'],thresholds=[0.00001,1.0]):
    87                 """ simple dichotomia like algorithm to optimise threshold """
    88                 self.modes = modes
    89                 self.pretty_titles([])
    90                 for mode in self.modes:
    91                         steps = 10
    92                         step = 0.4
    93                         self.params.onsetmode = mode
    94                         self.params.threshold = thresholds[0]
    95                         cur = 0
    96 
    97                         for i in range(steps):
    98                                 self.dir_exec()
    99                                 self.dir_eval()
    100                                 self.pretty_print()
    101                                 new = self.P
    102                                 if self.R == 0.0:
    103                                         #print "Found maximum, highering"
    104                                         step /= 2.
    105                                         self.params.threshold -= step
    106                                 elif new == 100.0:
    107                                         #print "Found maximum, highering"
    108                                         step *= .99
    109                                         self.params.threshold += step
    110                                 elif cur > new:
    111                                         #print "lower"
    112                                         step /= 2.
    113                                         self.params.threshold -= step
    114                                 elif cur < new:
    115                                         #print "higher"
    116                                         step *= .99
    117                                         self.params.threshold += step
    118                                 else:
    119                                         print "Assuming we converged"
    120                                         break
    121                                 cur = new
    122 
     43                        #self.plotplothistcat(g,outplot=outplot,extension=ext)
    12344
    12445if __name__ == "__main__":
    … …  
    12950        thresholds = [ 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2]
    13051        #modes = [ 'hfc' ]
    131         #thresholds = [0.1, 1.5]
     52        #thresholds = [0.5]
    13253
    13354        #datapath = "%s%s" % (DATADIR,'/onset/DB/*/')
Note: See TracChangeset for help on using the changeset viewer.