面向音乐信息检索的深度学习教程
信息检索
2020-01-16 v1 机器学习
声音
音频与语音处理
摘要
深度学习已成为视觉计算领域的最先进技术，并持续渗透到音乐信息检索（MIR）与音频检索领域。为引起对该主题的关注，我们提出一个面向 MIR 的深度学习入门教程。除对神经网络的一般性介绍外，该教程涵盖广泛的 MIR 相关深度学习方法。\textbf{卷积神经网络}目前是基于深度学习的音频检索的事实标准。\textbf{递归神经网络}已被证明在节拍或音频事件检测等起音检测任务中有效。\textbf{连体网络}已被证明在学习音频表示以及用于音乐相似度检索的特定距离函数方面有效。我们将把学术与工业视角都纳入教程。作为教程的配套，我们将创建一个 Github 仓库，用于存放教程所展示的内容以及指向最先进工作与文献的参考文献以供延伸阅读。该仓库在会议结束后将保持公开。
引用
@article{arxiv.2001.05266,
title = {Deep Learning for MIR Tutorial},
author = {Alexander Schindler and Thomas Lidy and Sebastian Böck},
journal= {arXiv preprint arXiv:2001.05266},
year = {2020}
}
备注
This is a description of a tutorial held at the 19th International Society for Music Information Retrieval Conference, ISMIR 2018, Paris, France, September 23-27, 2018. 2018