迈向可解释的音乐情感识别：经由中层特征的路径
声音
2019-07-09 v1 机器学习
机器学习
摘要
情感因素在我们与音乐的交互中起着重要作用。然而，在音乐信息检索(MIR)系统中对这些方面建模一直极具挑战性，因为情感本质上是一种抽象且主观的体验，因而首先难以量化或预测，其次难以理解这些预测。为尝试创建一个能对其预测给出具有音乐意义且直观解释的模型，我们提出了一种VGG风格的深度神经网络，该网络学习基于人类可解释的中层感知特征来预测一首音乐作品的情感特征。我们将其与用不考量的中层特征的相同网络直接预测情感进行比较，观察到经由中层特征所带来的预测性能损失平均而言出奇地小。我们网络的设计允许我们可视化感知特征对单个情感预测的影响，并且我们认为经由中层特征所带来的微小性能损失可由预测可解释性的提升所弥补。
引用
@article{arxiv.1907.03572,
title = {Towards Explainable Music Emotion Recognition: The Route via Mid-level Features},
author = {Shreyan Chowdhury and Andreu Vall and Verena Haunschmid and Gerhard Widmer},
journal= {arXiv preprint arXiv:1907.03572},
year = {2019}
}
备注
International Society for Music Information Retrieval Conference, Delft, The Netherlands, 2019