基于卷积循环神经网络与语言模型正则化训练的 tatum 级鼓点转录
声音
2020-10-09 v1 机器学习
音频与语音处理
摘要
本文描述了一种神经鼓点转录方法，该方法从音乐信号中检测鼓在 级别的起始时间，其中 tatum 时间假设已预先估计。在鼓点转录的传统研究中，深度神经网络（DNNs）常被用于以音乐频谱图作为输入并估计鼓在 级别的起始时间。然而，此类帧到帧 DNN 的主要问题在于，估计出的起始时间常不符合符号鼓谱中出现的典型 tatum 级模式，因为这些模式的长期音乐有意义结构难以在帧级别学习。为解决该问题，我们提出了一种用于帧到 tatum DNN 的正则化训练方法。在所提方法中，从一个大规模鼓谱集合中训练出一个 tatum 级概率语言模型（门控循环单元（GRU）网络或重复感知二元文法模型）。鉴于 tatum 级起始时间的音乐自然性可由该语言模型评估，帧到 tatum DNN 使用基于预训练语言模型的正则化器进行训练。实验结果证明了所提正则化训练方法的有效性。
引用
@article{arxiv.2010.03749,
title = {Tatum-Level Drum Transcription Based on a Convolutional Recurrent Neural Network with Language Model-Based Regularized Training},
author = {Ryoto Ishizuka and Ryo Nishikimi and Eita Nakamura and Kazuyoshi Yoshii},
journal= {arXiv preprint arXiv:2010.03749},
year = {2020}
}
备注
Accepted to APSIPA 2020