用键类不变音高色度CNN建模音乐调式
声音
2019-06-18 v1 信息检索
机器学习
音频与语音处理
摘要
本文提出一种卷积神经网络(CNN),利用来自复调音高估计系统的输入来预测音乐音频中感知的小调/大调调式。音高激活输入被结构化,以使第一CNN层能够计算聚焦于不同八度的两个音高色度。后续层在色度和时间尺度上执行和声分析。通过跨音高的最大池化,CNN对音乐的键类(即不计调式的调)变得不变。一个多层感知机将调式激活输出与频谱特征结合用于最终预测。该研究使用由约20名听者各自评分的203个片段组成的数据集,这一具有挑战性的小数据量需要精心设计的参数共享。在R2约为0.71下,该系统明显优于先前系统以及单个听者。最后的消融研究凸显了使用跨更长时间尺度处理的音高激活、以及使用池化来促进对键类不变性的重要性。
引用
@article{arxiv.1906.07145,
title = {Modeling Music Modality with a Key-Class Invariant Pitch Chroma CNN},
author = {Anders Elowsson and Anders Friberg},
journal= {arXiv preprint arXiv:1906.07145},
year = {2019}
}
备注
Accepted for publication in ISMIR, 2019