一种用于和弦识别的双向 Transformer
声音
2019-07-08 v1 机器学习
音频与语音处理
摘要
和弦识别是一项重要任务，因为和弦是音乐中高度抽象且具有描述性的特征。对于有效的和弦识别，利用音频序列中的相关上下文至关重要。尽管卷积神经网络（CNNs）和循环神经网络（RNNs）等多种机器学习模型已被用于该任务，但它们大多在捕获长期依赖方面存在局限，或需要训练额外的模型。本工作中，我们利用自注意力机制进行和弦识别，以聚焦于和弦的某些区域。所提出的用于和弦识别的双向 Transformer（BTC）的训练仅包含单一阶段，同时展现出具有竞争力的性能。通过注意力图分析，我们可视化了注意力是如何执行的。结果表明，该模型能够利用注意力机制的自适应感受野来划分和弦片段。此外，观察到该模型能够有效捕获长期依赖，无论距离远近均可利用关键信息。
引用
@article{arxiv.1907.02698,
title = {A Bi-directional Transformer for Musical Chord Recognition},
author = {Jonggwon Park and Kyoyun Choi and Sungwook Jeon and Dokyun Kim and Jonghun Park},
journal= {arXiv preprint arXiv:1907.02698},
year = {2019}
}
备注
20th International Society for Music Information Retrieval Conference (ISMIR), Delft, The Netherlands, 2019