使用卷积神经网络的端到端音乐调性估计
机器学习
2017-06-12 v1 声音
摘要
我们提出了一种基于卷积神经网络的端到端音乐调性估计系统。该系统不仅在性能上超越了学术文献中已有的调性估计方法，还能够为多种音乐流派学习一个统一模型，其表现与针对特定流派定制的现有系统相当。我们的实验证实，不同流派在调性解释上确实存在差异，因此针对例如流行音乐调优的系统在电子音乐作品上表现欠佳。实验还表明，这种跨流派的设定会引发特定类型的错误（预测为关系小调或平行小调）。然而，使用本文提出的数据驱动方法，我们能够训练出妥善处理多种音乐风格的模型，且准确率无明显下降。
引用
@article{arxiv.1706.02921,
title = {End-to-End Musical Key Estimation Using a Convolutional Neural Network},
author = {Filip Korzeniowski and Gerhard Widmer},
journal= {arXiv preprint arXiv:1706.02921},
year = {2017}
}
备注
First published in the Proceedings of the 25th European Signal Processing Conference (EUSIPCO-2017) in 2017, published by EURASIP