基于卷积循环神经网络的和弦音高检测
声音
2022-02-07 v1 机器学习
多媒体
音频与语音处理
摘要
自动语音识别（ASR）研究近期的方向表明，将计算机视觉中图像识别任务的深度学习模型加以应用是有益的。由于自动音乐转录（AMT）在方法常依赖于将频谱图转换为符号事件序列（如词或音符）这一意义上与 ASR 表面相似，深度学习也应有益于 AMT。本工作中，我们概述了一个通过 ConvLSTM 将音频流转换为 MIDI 的在线和弦音高检测系统。我们的系统在 2007 年 MIREX 多音高（multi-F0）开发集上取得了最先进的结果，在巴松管、单簧管、长笛、圆号和双簧管合奏录音上 F-measure 达 83%，且无需任何音乐语言建模或乐器音色假设。
引用
@article{arxiv.2202.02115,
title = {Polyphonic pitch detection with convolutional recurrent neural networks},
author = {Carl Thomé and Sven Ahlbäck},
journal= {arXiv preprint arXiv:2202.02115},
year = {2022}
}
备注
MIREX 2017