Morse CNN Model

Оглавление

• Описание
• Структура проекта
• Требования
• Установка
• Конфигурация
• Обучение модели
• Предсказание
• Оценка результатов
• Тестирование
• Contributing
• Лицензия

Описание

Проект по распознаванию сигналов азбуки Морзе из аудиофайлов с помощью сверточной нейронной сети (CNN). Включает этапы предобработки данных, обучения модели и оценки результатов.

Структура проекта

morse_CNN-model/
├── модели/                 # Сохранённые модели (.pth файлы)
│   ├── morse_model_hires.pth
│   ├── my_morse_ctc.pth
│   ├── w_aug.pth
│   ├── w_out_aug.pth
│   └── w_out_aug_2.pth
├── ноутбуки/               # Jupyter-ноутбуки для анализа и экспериментов
│   ├── 6.ipynb
│   ├── 7.ipynb
│   └── 8.ipynb
├── сабмиты/                # Результаты предсказаний (submission файлы)
│   ├── submission_8.csv
│   ├── submission_9.csv
│   └── submission_10.csv
├── train.csv               # Обучающий набор данных
├── test.csv                # Тестовый набор данных
├── logbook.txt             # Журнал экспериментов и заметок
└── README.md               # Описание проекта

Требования

• Python 3.7 или новее
• PyTorch
• NumPy, SciPy, librosa
• другие зависимости перечислены в requirements.txt

Установка

1. Склонируйте репозиторий:

   git clone https://github.com/Ily17as/morse_CNN-model.git
   cd morse_CNN-model

2. Установите зависимости:

   pip install -r requirements.txt

Конфигурация

Все параметры обучения и пути к данным задаются в файле config/config.yaml. Пример:

data:
  raw_path: data/raw
  processed_path: data/processed
model:
  type: cnn
  input_shape: [1, 128, 128]
train:
  epochs: 50
  batch_size: 32
  learning_rate: 0.001

Обучение модели

Для запуска обучения выполните:

python src/models/train.py \
  --config config/config.yaml

Предсказание

Для получения предсказаний с обученной модели:

python src/models/predict.py \
  --model outputs/models/best_model.pth \
  --input data/processed/test_data.csv \
  --output outputs/submissions/predictions.csv

Оценка результатов

Скрипт src/models/evaluate.py вычисляет метрики качества (точность, F1-score и т.д.). Пример запуска:

python src/models/evaluate.py \
  --predictions outputs/submissions/predictions.csv \
  --ground_truth data/processed/labels.csv

Тестирование

Запуск юнит-тестов через pytest:

pytest tests/

Contributing

Благодарим за вклад! Пожалуйста, откройте issue для обсуждения и отправьте pull request с вашими изменениями. Соблюдайте код-стайл и добавляйте тесты.

🏆 Соревнование

Проект создан для участия в соревновании Kaggle: Morse Decoder Challenge

Результат участника:
📊 Private Score: 0.64968
📈 Место в лидерборде: 52 место
⏱️ Количество сабмитов: 15
📅 Последний сабмит: 18 дней назад

Лицензия

Этот проект лицензирован под MIT License. См. файл LICENSE для деталей.