一种用于音乐自动标注的深度词袋特征模型
机器学习
2016-10-18 v3 声音
机器学习
摘要
近年来，特征学习与深度学习作为一种利用学习算法将输入数据转化为更有效表示的方法，引起了广泛关注。在音乐信息检索（MIR）领域，这种兴趣也日益增长，尤其是在音乐自动标注等音频分类任务中。在本文中，我们提出了一个两阶段学习模型，以有效地从音乐音频中预测多个标签。第一阶段以无监督方式学习将音频轨道的局部频谱模式投影到高维稀疏空间，并将该音频轨道概括为词袋特征。第二阶段以逐层方式对词袋特征连续进行无监督学习，以初始化深度神经网络，并最终使用标签对其进行微调。通过实验，我们严格检验了训练选择与调参，并表明该模型在音乐自动标注领域广泛使用的数据集Magnatagatune上取得了高性能。
引用
@article{arxiv.1508.04999,
title = {A Deep Bag-of-Features Model for Music Auto-Tagging},
author = {Juhan Nam and Jorge Herrera and Kyogu Lee},
journal= {arXiv preprint arXiv:1508.04999},
year = {2016}
}
备注
We resubmit a new version to revive the paper and record it as a technical report. We did not add any incremental work to the previous work but removed out some sections (criticized by a review process) and polished sentences accordingly