Naslov magistrskega dela: Vpliv taktne normalizacije na klasifikacijo glasbenih zvrsti

Povzetek:

Samodejna klasifikacija glasbenih zvrsti zvočne posnetke običajno razdeli
na okna fiksne dolžine, ki ne upoštevajo glasbene strukture, zato enako
dolga okna pri različnih tempih zajamejo različno količino glasbene vsebine.
Magistrsko delo preverja, ali klasifikacijo izboljša taktna normalizacija.
Pri njej se posnetek razdeli na takte na podlagi samodejno zaznanih in
ročno potrjenih dob, vsak takt pa se preslika v mel-spektrogram fiksne
velikosti, s čimer postane predstavitev od tempa neodvisna. Taktna
normalizacija je primerjana s časovno normalizacijo na zbirki GTZAN s
šestimi arhitekturami nevronskih mrež, od preproste konvolucijske mreže
do modelov, prednaučenih na zbirkah ImageNet in AudioSet. Vrednotenje
poteka na ročno validirani podmnožici zbirke s petkratno navzkrižno
validacijo, pri kateri so vsi posnetki istega izvajalca v isti množici, kar
prepreči uhajanje informacij med učenjem in testiranjem. Rezultati ne
pokažejo statistično značilne razlike v točnosti med taktno in časovno
normalizacijo pri nobeni arhitekturi. Enak sklep velja na pridržani testni
množici. Najvišjo točnost, približno 80 %, doseže na zvočni domeni
prednaučena konvolucijska mreža CNN14. Osrednji prispevek dela je
neposredna primerjava obeh predstavitev pod protokolom brez uhajanja
informacij. Ugotovitev, da nestrogo vrednotenje na majhni zbirki rezultate
izkrivi, potrjuje znana opozorila o zbirki GTZAN.

Mentor: doc. dr. Žiga Emeršič

Somentor: Tadej Magajna

Komisija za zagovor:

prof. dr. Matija Marolt (predsednik),

izr. prof. dr. Luka Čehovin Zajc (član),

doc. dr. Damjan Fujs (član).

Prostor: Predavalnica 19