在全自动哼唱检索系统设计中引入全变分正则化
声音
2023-02-10 v1 音频与语音处理
摘要
哼唱检索（Query-By-Humming, QBH）系统是音乐信息检索的一种特例，其输入为用户哼唱的旋律，输出为包含该旋律的原曲。典型的QBH系统由旋律提取与候选旋律检索组成。在旋律提取中，准确的音符转录是关键使能技术。然而，当前的转录方法无法确切捕捉旋律并解决用户哼唱查询中的不准确问题。在本文中，我们引入全变分正则化（Total Variation Regularization, TVR）对查询进行去噪。该方法在不丢失有意义数据的前提下考虑用户哼唱误差，并可靠地捕捉底层旋律。对于候选旋律检索，我们采用基于全卷积神经网络的时间序列分类深度学习方法。训练后的网络将输入查询分类为属于某一目标歌曲。在实验中，我们使用Roger Jang的MIR-QBSH数据集，即标准的MIREX数据集。我们证明，在训练集中加入TVR去噪查询可将系统整体准确率提升至93%，高于其他最先进的QBH系统。
引用
@article{arxiv.2302.04577,
title = {Incorporating Total Variation Regularization in the design of an intelligent Query by Humming system},
author = {Shivangi Ranjan and Vishal Srivastava},
journal= {arXiv preprint arXiv:2302.04577},
year = {2023}
}