環境音分類に用いられるESC-50のcsvファイルの詳細

Question

#前提・実現したいこと
環境分類によく用いられるデータセットesc-50の中にあるesc50.csvのようなcsvファイルを自作したいと考えております。

#発生している問題・エラーメッセージ
ESC-50
上記URLよりデータセットESC-50のダウンロードを行い、esc50.csvの中身を確認いたしましたところ下記のようになっておりました。（表がとても長いため画像で添付いたしました。）

上記の画像の１行目の2、3、5、6、7列目の意味がわからず、自作のcsvファイルを作れていない状況です。

#試していること
1行目の1列目と４列目は英語に乏しい自分でも理解をすることができました。また、上記では3列目の意味がわからないと記述しましたが、自分なりに考えてみたところ４列目の「category」と同じグループを番号で表しているのではないか、と考えております。

#補足
使っているPCはmacOS Suerra バージョン10.12.6
Pythonのバージョンは3.6.5です

Answer 1

githubにあったESC-50の説明によると

{FOLD} - index of the cross-validation fold,

{CLIP_ID} - ID of the original Freesound clip,
{TAKE} - letter disambiguating between different fragments from the same Freesound clip,
{TARGET} - class in numeric format [0, 49].

さらに

The esc10 column indicates if a given file belongs to the ESC-10 subset (10 selected classes, CC BY license).

とあります。したがって日本語に意訳すると

列名	意味
fold	交差検定のインデックス (データセットから部分的に取り出したサブセットのサブセット番号)
target	50個のクラスの分類番号
category	targetの数値と1:1で対応するカテゴリ名(明記されていないため想像です)
esc10	ESC-10というサブセットに属するか否か
take	同じ音声ファイルから取り出した別の時間帯を識別するための識別子

という感じでしょうか。

Comments

[maguro2020]

ご回答いただきありがとうございます。yymmt様。
ご連絡が遅れてしまい申し訳ありません。「take」の解釈についてもう少しだけ質問をさせてください。
takeの「同じ音声ファイルから取り出した別の時間帯を識別するための識別子」というのは、例えば「犬の鳴き声（dog）の音声を撮った時間（朝や昼、夜など）を区別している」という解釈でよろしいでしょうか？

[yymmt]

英語の説明だけからはそのように読み取ることは難しいです。「曖昧さを無くす」としか書いてありませんので。実際にはそうかも知れませんが・・・。

[maguro2020]

迅速にご回答してくださりありがとうございます。yymmt様。
なるほどそうでしたか…。もう少し自分でも調査をしたいと思います。
この度は私の質問に答えてくださり誠にありがとうございました。