基于深度神经网络的音频古典作曲家识别
神经与进化计算
2016-03-17 v7 信息检索
摘要
音频古典作曲家识别（ACC）是音乐信息检索（MIR）中的一个重要问题，旨在识别音频古典音乐片段的作曲家。著名的年度竞赛音乐信息检索评测交换（MIREX）也将其作为四个训练与测试任务之一。我们构建了一个基于深度信念网络（DBN）和堆叠去噪自编码器（SDA）的混合模型，以从音频信号中识别作曲家。由于版权问题，MIREX的主办方无法公开其数据集。我们构建了一个可比的数据集来测试我们的模型。我们在我们的数据集上获得了76.26%的准确率，优于一些纯模型和浅层模型。尽管我们在不同的数据集上对其进行了测试，但我们认为我们的方法很有前景，因为我们的数据集在规模上与MIREX中的数据集相当。我们还发现，在我们的模型中经过更多层变换后，来自不同类别的样本彼此之间的距离变得更远。
引用
@article{arxiv.1301.3195,
title = {Audio Classical Composer Identification by Deep Neural Network},
author = {Zhen Hu and Kun Fu and Changshui Zhang},
journal= {arXiv preprint arXiv:1301.3195},
year = {2016}
}
备注
I will update it