MDCNN-SID：用于歌手识别的多尺度膨胀卷积网络
音频与语音处理
2022-05-24 v3 多媒体
摘要
大多数歌手识别方法在频域处理，这可能在频谱变换过程中导致信息损失。在本文中，我们不在频域处理，而是提出一种端到端架构，在波形域解决该问题。引入基于多尺度膨胀卷积神经网络（MDCNN）的编码器，从原始音频信号生成波形嵌入。具体而言，所提方法使用膨胀卷积层以扩大感受野，旨在提取歌曲级特征。此外，主干网络中的跳跃连接整合了由卷积层堆叠学习到的多分辨率声学特征。然后，所得波形嵌入传入后续网络进行歌手识别。在实验中，所提方法在 Artist20 基准数据集上取得了可比性能，显著改进了相关工作。
引用
@article{arxiv.2004.04371,
title = {MDCNN-SID: Multi-scale Dilated Convolution Network for Singer Identification},
author = {Xulong Zhang and Jianzong Wang and Ning Cheng and Jing Xiao},
journal= {arXiv preprint arXiv:2004.04371},
year = {2022}
}
备注
Accepted by IJCNN2022 (The 2022 International Joint Conference on Neural Networks)