Por:
Hindawi
|
Fecha:
2021
Con el avance de las tecnologías multimedia y digitales, los recursos musicales están aumentando rápidamente en Internet, lo que ha cambiado los hábitos de los oyentes de los discos duros a las plataformas de música en línea. Ha permitido a los investigadores utilizar tecnologías de clasificación para un almacenamiento, organización, recuperación y recomendación eficientes de los recursos musicales. Los métodos tradicionales de clasificación musical utilizan muchas características acústicas artificialmente diseñadas, que requieren conocimientos en el campo de la música. Las características de diferentes tareas de clasificación a menudo no son universales. Este documento proporciona una solución a este problema proponiendo un novedoso método de red neuronal recurrente con un mecanismo de atención de canal para la clasificación de características musicales. El método de clasificación musical basado en una red neuronal convolucional ignora las características temporales del audio en sí. Por lo tanto, este documento combina la estructura de convolución con la red neuronal recurrente bidireccional y utiliza el mecanismo de atención para asignar diferentes pesos de atención a la salida de la red neuronal recurrente en diferentes momentos; los pesos se asignan para obtener una mejor representación de las características generales de la música. La precisión de clasificación del modelo en el conjunto de datos GTZAN ha aumentado al 93.1%. El AUC en el conjunto de datos de etiquetado multietiqueta MagnaTagATune ha alcanzado el 92.3%, superando a otros métodos de comparación. Se ha analizado el etiquetado de diferentes etiquetas musicales. Este método tiene una buena capacidad de etiquetado para la mayoría de las etiquetas de géneros musicales. Además, tiene un buen rendimiento en algunas etiquetas de instrumentos musicales, canto y categorías de emociones.
Fuente:
Revista Virtual Pro
Formatos de contenido:
Otros
