用于（音乐）音频分类的随机加权CNN
声音
2019-02-18 v3 音频与语音处理
摘要
计算机视觉文献表明，随机加权神经网络作为特征提取器具有合理的表现。遵循这一思路，我们研究了非训练（随机加权）卷积神经网络作为特征提取器在（音乐）音频分类任务中的表现。我们使用从深度架构的嵌入中提取的特征作为分类器的输入——旨在比较使用不同随机加权架构时的分类准确率。通过遵循该方法论，我们对当前用于音频分类的深度架构进行了全面评估，并提供证据表明，在使用深度神经网络解决（音乐）音频问题时，架构本身是一个重要的组成部分。
引用
@article{arxiv.1805.00237,
title = {Randomly weighted CNNs for (music) audio classification},
author = {Jordi Pons and Xavier Serra},
journal= {arXiv preprint arXiv:1805.00237},
year = {2019}
}
备注
In proceedings of the 44th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP2019). Code: https://github.com/jordipons/elmarc