对音乐情感识别深度学习方法的比较研究
Pedro Lima Louro1, Hugo Redinho1, Ricardo Malheiro1,2
1CISUC, LASI, DEI, FCTUC, University of Coimbra, 3030-790 Coimbra, Portugal.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究比较了音乐情感识别 (MER) 的经典和深度学习. 密集神经网络和卷积神经网络组合实现了最先进的80.20%F1得分,推动了MER研究.
科学领域:
- 计算机科学 计算机科学
- 音乐信息检索 音乐信息检索
- 人工智能的人工智能
背景情况:
- 音乐情感识别 (MER) 的经典机器学习面临着手动功能工程的挑战.
- 深度学习 (DL) 从光谱音频数据提供自动功能学习,但需要大量的标记数据集.
- MER研究经常在有限的高质量标记数据中扎.
研究的目的:
- 为了比较各种经典机器学习和深度学习方法在MER中的有效性.
- 确定改善MER性能的最佳方法.
- 通过比较分析来解决MER中的数据稀缺问题.
主要方法:
- 进行了对各种经典机器学习算法的比较研究.
- 评估了多种深度学习架构,包括密集神经网络和卷积神经网络.
- 使用了一种组合方法,结合了密集神经网络和卷积神经网络.
主要成果:
- 整体模型实现了F1的最先进的80.20%的得分.
- 这意味着与现有的基线结果相比,大约有5%的显著改善.
- 深度学习方法在MER的自动功能学习中表现出强的表现.
结论:
- 结合经典和深度学习范式,特别是手工制作的功能与学习的功能,是未来MER研究的一个有希望的方向.
- 集成方法集成不同的神经网络架构,产生卓越的结果.
- 解决数据限制对于推进MER至关重要.
