基于频谱特征的主导乐器分类
音频与语音处理
2020-04-23 v2 机器学习
声音
机器学习
摘要
本工作旨在研究音乐信息检索（MIR）的基础问题之一，具体而言为乐器分类。为此选用了 IRMAS（音乐音频信号中的乐器识别）数据集。该数据包含上世纪从不同来源录制的音乐片段，因此具有广泛的音频质量差异。我们对该领域过往工作给出了非常简明的综述。在实现多种用于此分类任务的监督学习算法后，SVM 分类器以 79% 的准确率优于其他最先进模型。我们还实现了无监督技术，其中层次聚类表现良好。
引用
@article{arxiv.1912.02606,
title = {Predominant Musical Instrument Classification based on Spectral Features},
author = {Karthikeya Racharla and Vineet Kumar and Chaudhari Bhushan Jayant and Ankit Khairkar and Paturu Harish},
journal= {arXiv preprint arXiv:1912.02606},
year = {2020}
}
备注
Appeared in Proceedings of SPIN 2020