MATT：一种用于长尾音乐流派分类的多示例注意力机制
声音
2022-09-12 v1 人工智能
机器学习
多媒体
音频与语音处理
摘要
不平衡音乐流派分类是音乐信息检索（MIR）领域中一项关键任务，旨在基于相关音乐音频片段识别长尾的、数据匮乏的流派，这在真实场景中也十分普遍。现有多数模型针对类平衡音乐数据集设计，导致在识别分布尾部音乐流派时准确率和泛化性能较差。受多示例学习（MIL）在多种分类任务中成功应用的启发，我们提出一种名为多示例注意力（MATT）的新机制，以提升尾部类别的识别性能。具体而言，我们首先通过生成专辑-艺术家配对包来构建包级数据集。其次，我们利用神经网络对音乐音频片段进行编码。最后，在多示例注意力机制引导下，基于神经网络的模型能够选择最具信息量的流派来匹配给定音乐片段。在具有长尾分布的大规模音乐流派基准数据集上的综合实验结果表明，MATT显著优于其他最先进的基线方法。
引用
@article{arxiv.2209.04109,
title = {MATT: A Multiple-instance Attention Mechanism for Long-tail Music Genre Classification},
author = {Xiaokai Liu and Menghua Zhang},
journal= {arXiv preprint arXiv:2209.04109},
year = {2022}
}