面向计算机听觉的源分离与深度可分离卷积
声音
2020-12-08 v1 机器学习
音频与语音处理
摘要
鉴于深度音乐源分离的最新进展，我们提出了一种特征表示方法，将源分离与一种为计算机听觉（即机器听觉）适当改造的最先进表示学习技术相结合。我们在具有挑战性的电子舞曲音乐（EDM）数据集上训练深度可分离卷积神经网络，并将其性能与在源分离谱图和标準谱图上运行的卷积神经网络进行比较。结果表明，在有限数据设定下，与标準单谱图方法相比，源分离提升了分类性能。
引用
@article{arxiv.2012.03359,
title = {Source Separation and Depthwise Separable Convolutions for Computer Audition},
author = {Gabriel Mersy and Jin Hong Kuan},
journal= {arXiv preprint arXiv:2012.03359},
year = {2020}
}
备注
2 pages, to appear in the AAAI-21 student abstract and poster program