YMIR：基于卷积神经网络的也门音乐流派分类新基准数据集与模型
声音
2026-04-08 v1 人工智能
摘要
自动音乐流派分类是音乐信息检索中的一项主要任务；然而，目前大多数基准和模型主要针对西方音乐开发，导致特定文化传统代表性不足。在本文中，我们介绍了也门音乐信息检索（YMIR）数据集，该数据集包含1,475个精心挑选的音频片段，涵盖五种传统也门音乐流派：萨那尼、哈德拉米、拉赫吉、提哈米和阿德尼。该数据集由五位也门音乐专家按照清晰的结构化协议进行标注，实现了强标注者间一致性（Fleiss kappa = 0.85）。我们还提出了也门音乐分类模型（YMCM），这是一个基于卷积神经网络（CNN）的系统，旨在从时频特征中对音乐流派进行分类。使用一致的预处理流程，我们在六个实验组和五种不同架构之间进行了系统比较，共进行了30次实验。具体来说，我们评估了几种特征表示，包括梅尔频谱图、色度特征、滤波器组和具有13、20和40个系数的MFCC，并在相同实验条件下将YMCM与标准模型（AlexNet、VGG16、MobileNet和基线CNN）进行了基准测试。实验结果表明，YMCM最为有效，在使用梅尔频谱图特征时达到了98.8%的最高准确率。结果还提供了关于特征表示与模型容量之间关系的实用见解。这些发现确立了YMIR作为有用基准和YMCM作为分类也门音乐流派的强基线的地位。
引用
@article{arxiv.2604.05011,
title = {YMIR: A new Benchmark Dataset and Model for Arabic Yemeni Music Genre Classification Using Convolutional Neural Networks},
author = {Moeen AL-Makhlafi and Abdulrahman A. AlKannad and Eiad Almekhlafi and Nawaf Q. Othman Ahmed Mohammed and Saher Qaid},
journal= {arXiv preprint arXiv:2604.05011},
year = {2026}
}