音乐信息检索中的深度分层学习

近年来，深度学习提升了许多音乐信息检索（MIR）系统的性能。然而，音乐复杂的层次化编排使得端到端学习对某些MIR任务而言十分困难——需要非常深且灵活的处理链来建模音乐的某些方面。涉及音、和弦与节奏的表示是音乐的基本构建块。本文讨论如何将这些作为MIR中的中间目标与先验，以处理结构复杂的学习问题，其中学习模块连接于有向无环图中。我们认为这种被称为深度分层学习（DLL）的推断策略可通过（1）在处理过程中强制中间表示的有效性与不变性，以及（2）让推断出的表示确立音乐组织以支持更高层次的不变性处理，从而帮助泛化。文中提供了模块化音乐处理的背景及以往文献综述。在DLL语境下回顾了信息处理的相关概念，如剪枝、跳跃连接与性能监督。最后进行了一项测试，展示分层学习如何影响音高跟踪。结果表明，若以提取的逐帧基频为指导，特别是断音更容易检测。