音乐流派识别中基于内容的特征工程扩展流程
声音
2021-04-08 v1 机器学习
音频与语音处理
机器学习
摘要
我们提出了一个用于构建音乐信号特征的特征工程流程，以用于设计监督模型进行音乐流派识别。其核心思想是用附加的独立阶段扩展传统的提取与分类两步过程，这些阶段不再以瀑布式方案组织。整个系统通过遍历各阶段间的回溯箭头与循环来实现。为了给出紧凑而有效的特征表示，标准早期时间积分与其他选择和提取阶段相结合：一方面基于信息增益选择最具意义的特征，另一方面通过自编码器确定该特征子集间的非线性相关性。在 GTZAN 数据集上进行的实验结果显示，该方法对模型在分类任务中的性能有显著贡献。
引用
@article{arxiv.1805.05324,
title = {Extended pipeline for content-based feature engineering in music genre recognition},
author = {Tina Raissi and Alessandro Tibo and Paolo Bientinesi},
journal= {arXiv preprint arXiv:1805.05324},
year = {2021}
}
备注
ICASSP 2018