"RaagaDhvani: 一个新的增强多功能数据集: 通过多模式功能和混合深度学习在卡纳塔克音乐中推进情感识别"
Archana Priyadarshini1, Usha Divakarla2
1Assistant Professor at AJIET and Research Scholar at NMAMIT, Mangalore, India.
Data in brief
|January 21, 2026
概括
一个新的数据集,RagaDhvani,为计算研究提供了带有情感标签的卡纳塔克音乐. 这个资源支持音乐情感识别,情感计算和治疗应用,推进心理健康和跨文化音乐研究.
科学领域:
- 计算音乐学和情感计算.
- 南印度古典音乐分析.
背景情况:
- 现有的数据集缺乏对音乐情感识别 (MER) 和治疗应用至关重要的情感注释.
- 这种差距阻碍了对卡纳塔克音乐情感和结构细微差别的研究.
研究的目的:
- 介绍了RagaDhvani数据集,其中包括以情感驱动的卡纳塔克音乐版本.
- 促进计算分析,MER,情感计算和音乐治疗应用.
主要方法:
- 创建了RagaDhvani的11个卡纳塔克拉加斯 (声乐和笛子),保留了像gamakas这样的音乐特征.
- 应用数据增强 (音调转移,时间延伸,噪声添加) 以增强数据集大小和可变性.
- 增加了一个自主策划的数据集到825个文件,以改善模型通用化.
主要成果:
- 建立了卡纳塔克音乐计算分析的基础数据集.
- 启用了诸如拉迦分类,情感识别和多式联络检索等任务.
- 集成的音频功能与情感注释,用于基于深度学习的情感预测.
结论:
- 拉加德瓦尼数据集推进了对卡纳塔克音乐情绪预测的深度学习.
- 通过情感标记的音乐数据支持心理健康研究和音乐治疗.
- 促进跨文化理解和计算音乐学研究.
