采用 Log-Mel 频谱与轻量 CNN 的 UrbanSound8K 分类

本项目是一个可直接运行的 UrbanSound8K 十分类基线实现：

• 输入特征：Log-Mel 频谱
• 模型：轻量 CNN（src/models/cnn_mel.py）
• 任务：10 类环境声音分类

1) 快速开始

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt

python train.py --device cuda
python evaluate.py --device cuda

如果当前机器没有可用 CUDA，脚本会自动回退到 CPU。

2) 数据准备

默认数据目录（见 src/config.py 的 DATASET_ROOT）：

src/data/UrbanSound8K

目录应包含：

src/data/UrbanSound8K/
├─ audio/fold1 ... fold10
└─ metadata/UrbanSound8K.csv

数据集下载：http://10.201.201.213/#s/_aLn_dIA

3) 环境与依赖

• 推荐 Python 3.9+
• 依赖在 requirements.txt
• Windows PowerShell 激活虚拟环境命令：

.\.venv\Scripts\Activate.ps1

4) 训练

默认训练划分：fold1-8 训练，fold9 验证，fold10 测试。

python train.py
python train.py --device cpu
python train.py --device cuda

训练最优权重保存到：outputs/best.pth（见 src/config.py 的 CHECKPOINT_PATH）。

5) 评估

python evaluate.py
python evaluate.py --device cpu
python evaluate.py --device cuda

评估输出：

• outputs/classification_report.txt
• outputs/confusion_matrix.csv

6) 关键文件说明

• train.py：训练入口
• evaluate.py：测试与报告导出入口
• src/config.py：路径与超参数配置
• src/data/urbansound8k.py：数据读取与 Mel 特征处理
• src/models/cnn_mel.py：模型定义
• src/train_utils.py：训练/验证辅助函数

7) 常见问题

• Checkpoint not found：先运行 python train.py 生成 outputs/best.pth
• 设备显示 CPU：检查 CUDA 是否可用，或改用 --device cpu
• 路径错误：确认 src/data/UrbanSound8K/metadata/UrbanSound8K.csv 存在