符号音乐中的和弦识别：一种段级CRF模型、段级特征及在古典与流行音乐上的对比评测
声音
2018-10-29 v2 机器学习
音频与语音处理
机器学习
摘要
我们提出了一种用于和声分析的新方法，该方法被训练用于将音乐分割为一系列带有和弦标签的和弦跨度序列。该联合分割与标注方法被表述为半马尔可夫条件随机场（semi-CRF），其能够使用一组丰富的段级特征，例如段纯度和和弦覆盖率，这些特征刻画了整段音乐事件与候选和弦标签相兼容的程度。新的和弦识别模型在三个古典音乐语料库和一个新建的摇滚音乐语料库上进行了广泛评测。实验结果表明，当在足够数量的标注样本上训练时，semi-CRF模型的表现大幅优于先前的方法，且在训练数据有限时仍具竞争力。
引用
@article{arxiv.1810.10002,
title = {Chord Recognition in Symbolic Music: A Segmental CRF Model, Segment-Level Features, and Comparative Evaluations on Classical and Popular Music},
author = {Kristen Masada and Razvan Bunescu},
journal= {arXiv preprint arXiv:1810.10002},
year = {2018}
}