× Αυτή είναι η προαιρετική κεφαλίδα Φόρουμ για το Κουτί Προτάσεων.

Διαχωρισμός μουσικών πηγών με τεχνικές μηχανικής μάθησης (2022)

Περισσότερα
1 Χρόνος 8 Μήνες πριν - 1 Χρόνος 8 Μήνες πριν #122 από amd
Περίληψη:

Η ανάκτηση μουσικής πληροφορίας (MIR) στοχεύει στην βελτίωση της λειτουργικότητας της αναζήτησης και περιήγησης του χρήστη σε μουσικές συλλογές. Ένα από τα προβλήματα της MIR, το οποίο χρησιμοποιείται σε ποικίλες εφαρμογές της, είναι ο διαχωρισμός μουσικών πηγών (MSS), ο οποίος δέχεται ως είσοδο ένα σήμα μίξης και εξάγει από αυτό τα επιμέρους σήματα πηγών, όπως της φωνής και της συνοδείας. Σε γενικό πλαίσιο, ακολουθείται μία συνήθης διαδικασία διαχωρισμού, αλλά οι προσεγγίσεις γύρω από αυτήν ποικίλουν. Κάτ’ επέκταση, έχουν προταθεί πολλά διαφορετικά μοντέλα διαχωρισμού μουσικών πηγών, τα αποτελέσματα των οποίων μελετώνται και συγκρίνονται βάσει ορισμένων μεθόδων αξιολόγησης. Τα τελευταία χρόνια, μοντέλα νευρωνικών δικτύων (NNs) έχουν εφαρμοστεί για τον διαχωρισμό μουσικών πηγών, συμπεριλαμβανομένων των πλήρως συνδεδεμένων NNs (FNNs), των συνελικτικών NNs (CNNs) και των αναδρομικών NNs (RNNs) καθώς και παραλλαγές αυτών. Ο λόγος είναι ότι σε αντίθεση με άλλες μεθόδους που χρειάζονται σαφή μοντέλα των πηγών για την επεξεργασία, τα νευρωνικά δίκτυα εφαρμόζουν τεχνικές βελτιστοποίησης για να εκπαιδεύσουν τα μοντέλα, χρησιμοποιώντας σύνολα δεδομένων στα οποία είναι διαθέσιμο τόσο το σήμα μίξης όσο και τα απομονωμένα σήματα πηγών. Πιο συγκεκριμένα, τα συνελικτικά νευρωνικά δίκτυα θεωρούνται από τις επικρατέστερες τεχνικές μηχανικής μάθησης που χρησιμοποιούνται στον τομέα των πολυμέσων. Ωστόσο, οι απαιτήσεις για μεγάλο βάθος στο δίκτυο, δυσκολεύουν την εκπαίδευση τους και οδηγούν σε μείωση της απόδοσης. Για την αντιμετώπιση αυτών των προβλημάτων προτάθηκε το μοντέλο DenseNet, το οποίο είναι βασισμένο στα CNNs. Αυτή η εργασία παρουσιάζει μια σύγκριση μεταξύ δύο σύγχρονων επεκτάσεων του DenseNet όσον αφορά το πρόβλημα του διαχωρισμού φωνητικών και συνοδείας, μελετάει την ποιότητα των αποτελεσμάτων τους με τη βοήθεια μετρικών αξιολόγησης, και οδηγεί σε μια αποτίμηση της συνολικής απόδοσής τους.

Πρόλογος:

Η Ανάκτηση μουσικής πληροφορίας (MIR) έχει γνωρίσει ραγδαία ανάπτυξη τα τελευταία χρόνια, καθώς καθίσταται όλο και πιο επιτακτικό, λόγω της εξέλιξης της τεχνολογίας και του διαδικτύου, να καλυφθεί η ανάγκη ύπαρξης και υλοποίησης ενός ευρέως φάσματος τεχνικών μουσικής ανάλυσης. Το ερευνητικό πεδίο της MIR ασχολείται πρωτίστως με την εξαγωγή σημαντικών χαρακτηριστικών από τη μουσική (από το ηχητικό σήμα) και κατ’ επέκταση με την ανάπτυξη διαφόρων συστημάτων αναζήτησης και ανάκτησης. Η MIR χρησιμοποιείται από μια πληθώρα εφαρμογών, από τις οποίες επωφελείται το κοινό της μουσικής βιομηχανίας, των ακροατών/καταναλωτών μουσικής και των επαγγελματιών, όπως οι καλλιτέχνες, οι δάσκαλοι μουσικής και οι μουσικολόγοι. Η MIR ασχολείται με ένα μεγάλο εύρος προβλημάτων, όπως ο διαχωρισμός μουσικών πηγών, που αποτελεί και το θέμα της παρούσας εργασίας. Στο Κεφάλαιο 1 γίνεται μια εισαγωγή στην ανάκτηση μουσικής πληροφορίας, παρατίθενται ενδεικτικά μερικές εφαρμογές των τομέων που έχουν επωφεληθεί από αυτήν και αναφέρονται τα προβλήματα με τα οποία ασχολείται και δυο κριτήρια διαχωρισμού τους. Τέλος, γίνεται μια πρώτη αναφορά στο πρόβλημα του διαχωρισμού μουσικών πηγών και στον τρόπο με τον οποίο προσεγγίζεται το πρόβλημα αυτό από ένα σύστημα MIR.

Συγγραφέας: Γαλάνη Ειρήνη - Επιβλ. Καθηγητής: Κωνσταντίνος Μπερμπερίδης - Πηγή: nemertes.library.upatras.gr - Αρ. Σελίδων: 74

↳ Αρχείο λήψης: pdf - Μέγεθος: 1,04mb ↵

Παρακαλούμε Σύνδεση ή Δημιουργία λογαριασμού για να συμμετάσχετε στη συζήτηση.

Χρόνος δημιουργίας σελίδας: 0.066 δευτερόλεπτα
Επικοινωνήστε μαζί μας, στα τηλ: α (+30) 212.213.2730, β (+30) 210.440.2730, ή στο Telegram, για να σας προσφέρουμε αυτό που θα καλύψει απόλυτα τις ανάγκες σας, αλλά και θα σας συμφέρει πραγματικά
  • μείναμε ευχαριστημένοι, πολύ εξυπηρετικοί μας έλυσαν όλες τις απορίες
  • Εξαιρετικής ποιότητας υπηρεσίες με εντιμότητα, συνεργασία, αξιοπιστία και την καλύτερη υποστήριξη που έχω συναντήσει ποτέ, είναι μερικά από τα χαρακτηριστικά που διακρίνουν αυτούς τους πρωτοπόρους επαγγελματίες στον τομέα του streaming.
  • Άριστες υπηρεσίες και υποστήριξη όποτε έχω χρειαστεί το οτιδήποτε, πολύ εύκολα και γρήγορα σε ότι ανάγκη έχει προκύψει χωρίς downtimes κλπ. Ότι πιο σωστό σε υπηρεσίες streaming & hosting - Προτείνω ανεπιφύλακτα και θα αντιληφθείτε αμέσως το λόγο όταν δείτε τις τεράστιες διαφορές σε σχέση με τον προηγούμενο πάροχο που είχατε.
  • Εξαιρετική συνεργασία με ανθρώπους που φαίνεται πόσο αγαπούν τη δουλειά τους! Μείναμε απόλυτα ευχαριστημένοι, καθώς διαθέτουν ποιότητα, ταχύτητα, αποτελεσματικότητα, συνέπεια και φυσικά οι πιο κορυφαίοι σε ότι αφορά τις υπηρεσίες streaming. Τους προτείνω ανεπιφύλακτα!

↳ Αυτήν τη στιγμή υπάρχουν σε όλο τον ιστότοπό μας 34 επισκέπτες ←