基于多核形状深度卷积网络的音高感知乐器分配
声音
2021-07-30 v1 信息检索
机器学习
神经与进化计算
音频与语音处理
摘要
本文提出一种深度卷积神经网络用于执行音符级乐器分配。给定复调多乐器音乐信号及其真值或预测音符，目标是为每个音符分配一个乐器源。该问题被作为一个音高感知的分类任务来处理，其中每个音符被单独分析。我们还提出在卷积层中使用多种核形状，以促进高效音色判别特征图的学习。在 MusicNet 数据集上使用 7 个乐器类别的实验表明，当使用原始多音高标注作为系统的音高信息时，我们的方法能够达到 0.904 的平均 F 值，并且若使用第三方多音高估计算法提供音符信息，其表现同样优异。我们还包含了消融研究，考察多种核形状使用的效果，并比较音频与音符相关信息的不同输入表示。
引用
@article{arxiv.2107.13617,
title = {Pitch-Informed Instrument Assignment Using a Deep Convolutional Network with Multiple Kernel Shapes},
author = {Carlos Lordelo and Emmanouil Benetos and Simon Dixon and Sven Ahlbäck},
journal= {arXiv preprint arXiv:2107.13617},
year = {2021}
}
备注
4 figures, 4 tables and 7 pages. Accepted for publication at ISMIR Conference 2021