利用带噪标注数据通过伪标签自精炼实现音乐源分离
音频与语音处理
2023-07-25 v1 信息检索
机器学习
声音
摘要
音乐源分离（MSS）因正确标注的独立乐器音轨可用量有限而面临挑战。随着获取更大数据集以提升MSS性能的需求推动，遭遇误标注独立乐器音轨已成为亟待解决的重要挑战。本文提出一种用于精炼部分误标注数据集中标签的自动化技术。我们所提出的自精炼技术应用于带噪标注数据集时，相较于在干净标注数据集上训练的分类器，在多标签乐器识别中仅带来1%的精度下降。该研究论证了在MSS模型训练中精炼带噪标注数据的重要性，并表明使用精炼数据集可取得与干净标注数据集相媲美的结果。值得注意的是，在仅能获取带噪数据集的情况下，基于自精炼数据集训练的MSS模型甚至优于那些基于由干净标签训练的分类器精炼的数据集所训练的模型。
引用
@article{arxiv.2307.12576,
title = {Self-refining of Pseudo Labels for Music Source Separation with Noisy Labeled Data},
author = {Junghyun Koo and Yunkee Chae and Chang-Bin Jeon and Kyogu Lee},
journal= {arXiv preprint arXiv:2307.12576},
year = {2023}
}
备注
24th International Society for Music Information Retrieval Conference (ISMIR 2023)