基于集成谐音程表征的深度学习实现和弦标签个性化
声音
2017-06-30 v1 多媒体
神经与进化计算
摘要
自动和弦估计系统精度的日益提高、大量异构参考标注的可用性以及来自标注者主观性研究的洞见，使得和弦标签个性化变得愈发重要。然而，自动和弦估计系统历来仅在单一参考标注上进行训练和评估。我们首次引入一种自动和弦标签个性化方法，通过对基于谐音程的和弦标签表征进行深度学习来建模主观性。在整合来自多位标注者的这些表征后，我们能够从单一模型和标注者的和弦标签词汇表中，为个体标注者准确地个性化定制和弦标签。此外，我们表明，使用多个参考标注进行和弦个性化优于使用单一参考标注。
引用
@article{arxiv.1706.09552,
title = {Chord Label Personalization through Deep Learning of Integrated Harmonic Interval-based Representations},
author = {H. V. Koops and W. B. de Haas and J. Bransen and A. Volk},
journal= {arXiv preprint arXiv:1706.09552},
year = {2017}
}
备注
Proceedings of the First International Conference on Deep Learning and Music, Anchorage, US, May, 2017 (arXiv:1706.08675v1 [cs.NE])