音频输入表示对基于神经网络的音乐转写的影响
声音
2020-07-22 v2 音频与语音处理
摘要
本文深入分析了不同输入表示对复调多乐器音乐转写的影响。我们使用自研的基于 GPU 的频谱图提取工具 nnAudio，考察了使用线性频率频谱图、对数频率频谱图、梅尔频谱图和常数 Q 变换（CQT）的影响。我们的结果显示，在不改变神经网络设计（单层全连接）的情况下，通过选择合适的输入表示（频谱图窗口长度 4,096、频率 bin 数 2,048 的对数频率频谱图），可获得转写准确率 % 的提升以及错误率 % 的降低。我们的实验还表明，梅尔频谱图是一种紧凑表示，可将其频率 bin 数减至仅 512，同时仍保持相对较高的音乐转写准确率。
引用
@article{arxiv.2001.09989,
title = {The impact of Audio input representations on neural network based music transcription},
author = {Kin Wai Cheuk and Kat Agres and Dorien Herremans},
journal= {arXiv preprint arXiv:2001.09989},
year = {2020}
}
备注
Paper accepted in IJCNN 2020