用于印度古典音乐情感分类的神经网络架构
声音
2021-02-02 v1 机器学习
多媒体
音频与语音处理
摘要
音乐常被视为情感的语言。长期以来人们已知音乐能引发人的情感，因此依据音乐所诱发的人类情感类型对其进行分类是一项非常引人入胜的研究课题。当任务变为对印度古典音乐(ICM)所诱发的情感进行分类时，由于ICM固有的模糊性，其变得更具挑战性。单次音乐表演可在听众中唤起多种情感反应，这一事实隐含于ICM演绎的性质之中。随着深度学习领域的快速发展，该音乐情感识别(MER)任务变得愈发相关且稳健，因而可应用于最具挑战性的测试用例之一，即分类ICM所诱发的情感。本文提出一个名为JUMusEmoDB的新数据集，目前含400段音频片段(每段30秒)，其中200段对应快乐情感，其余200段对应悲伤情感。为进行监督分类，我们在对应音乐谱图(由2000个子片段构成，每片段被切分为约5秒的5个子片段，含时域与频域信息)上使用了4种已有的基于深度卷积神经网络(CNN)的架构(resnet18、mobilenet v2.0、squeezenet v1.0与vgg16)。初步结果颇令人鼓舞，我们期望借此架构为该数据集确立基线值。此类基于CNN、使用丰富印度古典音乐语料库的分类算法即便在全球视角下也属独特，并可推广至其他音乐形态。该数据集仍在开发中，我们计划纳入含其他情感特征的更多数据，并很快公开此数据集。
引用
@article{arxiv.2102.00616,
title = {Neural Network architectures to classify emotions in Indian Classical Music},
author = {Uddalok Sarkar and Sayan Nag and Medha Basu and Archi Banerjee and Shankha Sanyal and Ranjan Sengupta and Dipak Ghosh},
journal= {arXiv preprint arXiv:2102.00616},
year = {2021}
}