基于可变形CNN与不平衡感知特征学习的演唱技巧分类
声音
2022-06-27 v1 多媒体
音频与语音处理
摘要
演唱技巧通过运用音色、音高及声音其他组分的时间波动来实现富有表现力的声乐表演。其分类是一项具有挑战性的任务，主要源于两个因素：1）演唱技巧中的波动种类繁多且受诸多因素影响；2）现有数据集存在不平衡。为应对这些问题，我们提出了一种基于可变形卷积的新型音频特征学习方法，并通过类加权损失函数对特征提取器与分类器进行解耦训练。实验结果表明：1）可变形卷积提升了分类结果，尤其在应用于最后两个卷积层时；2）重新训练分类器以及以平滑逆频率加权交叉熵损失函数均增强了分类性能。
引用
@article{arxiv.2206.12230,
title = {Deformable CNN and Imbalance-Aware Feature Learning for Singing Technique Classification},
author = {Yuya Yamamoto and Juhan Nam and Hiroko Terasawa},
journal= {arXiv preprint arXiv:2206.12230},
year = {2022}
}
备注
Accepted to INTERSPEECH2022