通过流派分类卷积神经网络变换音乐信号
声音
2017-06-30 v1 机器学习
多媒体
神经与进化计算
摘要
卷积神经网络（CNN）已成功应用于音乐相关任务的判别式和生成式建模。对于特定任务，训练后的 CNN 包含了代表决策或抽象过程的信息。人们可以期望基于这个“知情的”网络来操控现有音乐，并创造出具有与该网络所获知识相对应的新特征的音乐。在本文中，我们提出一种方法，利用在音乐流派分类任务上训练的 CNN 中存储的信息。该网络由三个卷积层组成，并被训练将五秒歌曲片段分类为五种不同流派。训练后，通过最大化网络各层输出之和来修改随机选择的片段。除了此类 CNN 产生有趣音频变换的潜力之外，还可以从生成特征的分析中获取更多关于网络和原始音乐的信息，因为这些特征指示了网络如何“理解”音乐。
引用
@article{arxiv.1706.09553,
title = {Transforming Musical Signals through a Genre Classifying Convolutional Neural Network},
author = {S. Geng and G. Ren and M. Ogihara},
journal= {arXiv preprint arXiv:1706.09553},
year = {2017}
}
备注
Proceedings of the First International Conference on Deep Learning and Music, Anchorage, US, May, 2017 (arXiv:1706.08675v1 [cs.NE])