利用无标签数据改进稀有和弦的分类
声音
2021-02-11 v2 机器学习
摘要
在这项工作中，我们探索了在自动和弦识别（ACR）任务中提升稀有类别性能的技术。我们首先探讨了 focal loss 在 ACR 中的应用，该损失最初提出用于改善难样本的分类。同时，我们将一种最初为图像识别设计的自学习技术适配到音乐领域。我们的实验表明，两种方法单独使用（及其组合）均改善了稀有和弦的识别，但仅使用带噪声添加的自学习取得了最佳结果。
关键词
引用
@article{arxiv.2012.07055,
title = {Improving the Classification of Rare Chords with Unlabeled Data},
author = {Marcelo Bortolozzo and Rodrigo Schramm and Claudio R. Jung},
journal= {arXiv preprint arXiv:2012.07055},
year = {2021}
}