用于音频与音乐流派分类的图表示学习
声音
2019-10-25 v1 机器学习
机器学习
摘要
音乐流派可以说是音乐与音频内容中最重要且最具区分性的信息之一。基于视觉表示的方法已在频谱图上被探索用于音乐流派分类。然而，缺乏高质量数据与增强技术使得难以成功应用深度学习技术。我们讨论了图神经网络在此类任务上的应用，因其具有较强的归纳偏置，并表明 CNN 与 GNN 的组合能够在 GTZAN 与 AudioSet（不平衡音乐）数据集上取得最先进（SOTA）结果。我们还讨论了孪生神经网络作为 GNN 类比用于学习边相似度权重的作用。此外，我们进行了视觉分析以理解模型基于流派标签在频谱图上的关注视野。
引用
@article{arxiv.1910.11117,
title = {Graph Representation learning for Audio & Music genre Classification},
author = {Shubham Dokania and Vasudev Singh},
journal= {arXiv preprint arXiv:1910.11117},
year = {2019}
}