Algorithme Shazam : traitement et hachage des données
Télécharger
Lire un extrait
Thèmes abordés
Shazam, empreintes digitales audio, table de hachage, fingerprints, Python, Fast combinatorial hashing, constellation maps, compositions musicales, gestion des collisions, chargement de données, NumPy, matrice à deux dimensions, tableau de comptage, morceau de musique, base de données d'empreintes digitales, analyse de fichiers audio, extraction de caractéristiques uniques, appariement de points d'ancrage, index de base de données trié, script Python, hachage de données, recherche d'empreintes digitales similaires, méthode de chiffrement, moteur de recherche, algorithme moteur de recherche, musique
Lecture
Résumé
Sommaire
Extraits
sur 7
Résumé du document
L'algorithme de Shazam repose sur l'utilisation d'empreintes « fingerprint hashes » créées à partir des cartes appelées « constellation maps » et d'un enregistrement audio pour identifier rapidement et précisément des compositions musicales.
Sommaire
Présentation de la méthode « Fast combinatorial hashing »
Insuffisance des méthodes antérieures à « fast combinatorial hashing »
Présentation de la solution « fast combinatorial hashing »
Génération des empreintes de hachage « fingerprint hashes »
Création d'un index de base de données
Quelques spécificités concernant la densité de hachage et le facteur de déploiement
Synthèse des éléments techniques et du fonctionnement de l'algorithme Shazam
Analyse des éléments qui constituent cet algorithme
Fonctionnement de l'algorithme audfprint.py
Illustration du fonctionnement de l'algorithme audfprint.py
Présentation de la méthode « Fast combinatorial hashing »
Insuffisance des méthodes antérieures à « fast combinatorial hashing »
Présentation de la solution « fast combinatorial hashing »
Génération des empreintes de hachage « fingerprint hashes »
Création d'un index de base de données
Quelques spécificités concernant la densité de hachage et le facteur de déploiement
Synthèse des éléments techniques et du fonctionnement de l'algorithme Shazam
Analyse des éléments qui constituent cet algorithme
Fonctionnement de l'algorithme audfprint.py
Illustration du fonctionnement de l'algorithme audfprint.py
Accédez gratuitement au plan de ce document en vous connectant.
Extraits
[...] -Recherche d'empreintes digitales en fonction de leur valeur de hachage. -Gestion des collisions qui surviennent lorsque plusieurs empreintes ont la même valeur de hachage -Sauvegarde et chargement ; cette fonctionnalité fait que la table de hachage peut être sauvegardée dans un fichier et également, chargée à partir d'un fichier comme dans audfprint.py, le fichier principal. -Le script permet de fusionner deux tables de hachage. -Le script offre des fonctionnalités pour supprimer des entrées, lister les éléments de la table, et convertir des noms en ID. [...]
[...] Il utilise des algorithmes de recherche pour trouver les empreintes les plus similaires dans la base de données. L'algorithme audfprint.py de Shazam orchestre donc l'ensemble du processus de reconnaissance audio. Il coordonne les appels aux autres scripts pour effectuer les tâches spécifiques extraction des caractéristiques (audfprint_analyze.py), création d'une structure de données pour le stockage (hash_table.py) et la recherche d'comparaison des empreintes (audfprint_match.py) La division des tâches dans l'algorithme de Shazam permet de modulariser le code et de faciliter la maintenance. [...]
[...] Le projet de l'algorithme Shazam est basé sur le script principal audfprint.py. Le fonctionnement de ce script repose sur le fonctionnement de plusieurs autres scripts tels que audfprint_analyze.py, audfprint_match.py et hash_table.py qui ont été importés dans ce dernier. i-Le script audfprint_analyze.py Ce script est conçu pour extraire des empreintes digitales acoustiques à partir de fichiers audios et de construire une base de données permettant la comparaison et l'identification de ces fichiers. Le script contenu dans audfprint_analyze.py joue trois fonctions : D'abord, le script analyse les fichiers audios pour en extraire des caractéristiques uniques, appelées « fingerprints » (empreintes digitales). [...]
[...] Ensuite, le script fait une comparaison des empreintes extraites avec une base de données d'empreintes de morceaux de musique connus. Il s'ensuit un calcul de la similarité entre l'empreinte digitale du fichier d'entrée et celles de la base de données, en utilisant des algorithmes de comparaison. Le script évalue le nombre de « fingerprints » qui correspondent entre deux fichiers. Le script réalise une identification des correspondances potentielles et affiche les résultats sous forme de liste des correspondances qui sont classées par ordre de similarité décroissant. [...]
[...] ii-Le script audfprint_match.py Si audfprint_analyse.py s'occupe de créer et de stocker les empreintes digitales audio, audfprint_match.py doit logiquement est conçu pour comparer ces empreintes entre elles, afin de déterminer si deux morceaux de musique sont similaires. Il s'agit d'un élément clé dans les systèmes de reconnaissance musicale du script principal. Le script audfprint_match.py a plusieurs fonctionnalités : La première est l'extraction des « fingerprints », en prenant en entrée un fichier audio et en extrait des « fingerprints ». Ces empreintes sont des représentations numériques uniques des caractéristiques acoustiques du fichier. [...]
