用于音乐流派分类的卷积通道分离与频率子带聚合
音频与语音处理
2022-11-04 v1 声音
摘要
在音乐中，音高、节奏等短期特征构成了旋律、叙事等长期语义特征。音乐流派分类（MGC）系统应当能够分析这些特征。在本研究中，我们提出了一种能够分层提取并聚合短期与长期特征的新框架。我们的框架基于 ECAPA-TDNN，由于反向传播训练，所有提取短期特征的层都受到提取长期特征层的影响。为防止短期特征失真，我们设计了卷积通道分离技术，将短期特征从长期特征提取路径中分离出来。为从框架中提取更多样化的特征，我们引入了频率子带聚合方法，该方法沿频带宽将输入谱图分割并处理各段。我们使用 Melon Playlist 数据集评估了我们的框架，该大规模数据集包含的数据量是 MGC 研究中广泛使用的 GTZAN 数据集的 600 倍。结果显示，我们的框架达到了 70.4% 的准确率，相比传统框架提升了 16.9%。
引用
@article{arxiv.2211.01599,
title = {Convolution channel separation and frequency sub-bands aggregation for music genre classification},
author = {Jungwoo Heo and Hyun-seo Shin and Ju-ho Kim and Chan-yeong Lim and Ha-Jin Yu},
journal= {arXiv preprint arXiv:2211.01599},
year = {2022}
}