深度散射变换在音符起始检测与乐器识别中的应用
机器学习
2017-03-30 v1 声音
摘要
自动音乐转录（AMT）是音乐信息检索领域历史最悠久且研究最充分的问题之一。在这一充满挑战的研究领域中，起始检测和乐器识别在转录系统中占据重要地位，它们分别有助于确定音符的精确起始时间并识别相应的乐器源。本研究的目的是探讨多尺度散射算子在这两项任务中对拨弦乐器和钢琴音乐的实用性。在概述理论背景并说明这种声音表示方法的关键特征后，我们将其与其他经典的声音表示方法进行了性能比较评估。使用带有真实乐器样本的 MIDI 驱动数据集和真实音乐作品，散射变换被证明在这些 AMT 子任务上优于其他声音表示方法，突出了其更丰富的声音表示和不变性特性。
引用
@article{arxiv.1703.09775,
title = {Deep scattering transform applied to note onset detection and instrument recognition},
author = {D. Cazau and G. Revillon and O. Adam},
journal= {arXiv preprint arXiv:1703.09775},
year = {2017}
}