基于带潜在和弦标签与特征的变分自编码器的半监督神经和弦估计
声音
2020-09-09 v2 机器学习
音频与语音处理
摘要
本文描述了一种基于统计原理的自动和弦估计（ACE）半监督方法，可有效利用音乐信号而无需顾及和弦标注的可用性。ACE 的典型方法是以监督方式仅使用带标注音乐信号训练深度分类模型（神经和弦估计器）。在此判别方法中，关于和弦标签序列（模型输出）的先验知识几乎未被考虑。相反，我们在摊销变分推断框架下提出统一的生成与判别方法。更具体地，我们构建了一个深度生成模型，表示色度向量（观测变量）由离散标签与连续特征（潜变量）生成的生成过程，二者分别假设遵循偏好自转移的马尔可夫模型与标准高斯分布。给定色度向量作为观测数据，潜标签与特征的 posterior 分布分别通过使用深度分类与识别模型近似计算。这三个模型构成变分自编码器，并可半监督地联合训练。实验结果表明，基于和弦标签马尔可夫先验与色度向量生成模型对分类模型的正则化，即使在监督条件下也提升了 ACE 性能。使用额外无标注数据的半监督学习可进一步提升性能。
引用
@article{arxiv.2005.07091,
title = {Semi-supervised Neural Chord Estimation Based on a Variational Autoencoder with Latent Chord Labels and Features},
author = {Yiming Wu and Tristan Carsault and Eita Nakamura and Kazuyoshi Yoshii},
journal= {arXiv preprint arXiv:2005.07091},
year = {2020}
}