ygavrishov/task14

Текущая версия распознавания использования чужого контента базируется на идентификации аудио фрагментов.

Индексация

• Аудиодорожка подвергается просмотру окном size=1024 и шагом 32.
• В каждом окне выполняется быстрое преобразование Фурье и сигнал раскладывается по частотам
• Частоты наносятся на логарифмическую шкалу
• получившаяся спектрограмма визуализируется при помощи matplotlib в 2D массив
• на спектрограмме находятся локальные максимумы в каждом квадрате определенного размера
• далее оставляем только найденные точки и отбрасываем все остальное
• строим связи между каждой точкой и N=10 последующих точек. Для каждой пары запоминаем относительное расположение.
• Хешируем информацию о связи и сохраняем хеш и смещение в базу данных

Поиск

• При поиске также получаем последовательность хешей для проверяемого файла
• Находим в базе записи с такими же хешами
• Для каждого найденного хеша кладем в корзину - mediaId, stored_offset-sampled_offset, прочую информацию. Если отрисовать график, в случае совпадения можно увидеть линию y = x + b:
• смотрим, сколько элементов в каждой корзине. Если есть корзина со значительным количеством элементов, значит совпадение найдено:
• Далее отбрасываются outlayers и определяются границы сегмента.

Использование

• Запуск решения: в корневой папке docker compose up -d. Два контейнера postgres база и python код
• docker-compose run python python index.py - подключиться к python контейнеру и проидексировать файлы в папке mytest
• docker-compose run python python search.py file - проверить file на наличие заимствований. Диапазоны сегментов выведутся в output.