Sep, 2022

利用古箏演奏中的音符觸發信息進行演奏技巧檢測

PDF
TL;DR本文提出了一个利用全卷积神经网络的端到端古筝演奏技巧检测系统，通过训练独立的起始检测器和帧级演奏技巧检测器以实现对可变长度音频的检测，这可以应用于各种音乐厂牌。同时，作者还从多个音乐厂牌和实际演出中创建了一个新的数据集 GZ_IsoTech，实现了 87.97％的帧级准确性和 80.76％的音符级 F1 分数，并且远远超过现有工作的表现，证明了该方法在演奏技巧检测中的有效性。
guzhengplaying technique detectionend-to-end systemfully convolutional networksdataset
发现论文，激发创造
  • 使用多尺度网络和自注意机制的帧级多标签演奏技巧检测

    本文提出了一种基于多尺度网络和自我关注机制的方法，将吉他演奏技巧检测问题定义为基于帧的多标签分类问题，应用于吉他演奏，有效地提取不同尺度的特征，并优于现有方法。

    Mar, 2023

  • MERTech：利用自监督预训练模型和多任务微调进行乐器演奏技术检测

    使用自监督学习模型对大规模未标记音乐数据进行预训练并在乐器演奏技术检测任务中进行微调，以解决数据稀缺和类别不平衡问题，通过辅助任务的多任务微调和事件级别预测的后处理方法，该方法在多个乐器演奏技术基准数据集上在帧级别和事件级别指标上均优于先前方法。

    Oct, 2023

  • Onsets and Frames: 双目标钢琴转录

    用深度卷积和递归神经网络来提高多声部钢琴音乐转录，在预测音符的开始和结束时间方面取得了相对 100% 的提升，并且通过预测标准化音频的相对速度得到更自然的转录结果。

    Oct, 2017

  • 基于音素的神经网络模型，用于音符级别的唱歌转录

    本文中，我们提出了一种使用唱歌语言特征的方法，通过使用 mel-scaled spectrogram 和 phonetic posteriorgram（PPG）来更准确地检测唱歌声音的音符起始点。我们的方法显著提高了唱歌转录的性能，并强调了语言特征在唱歌分析中的重要性。

    Apr, 2023

  • 用于声学吉他的实时打击技巧识别和嵌入式学习

    本文介绍了实时音乐信息检索（RT-MIR）技术，利用卷积神经网络和变分自编码器技术进行了吉他身体打击乐器件的识别和嵌入学习，并详细评估了两个模型的性能。

    Jul, 2023

  • 基于音色和音高的帧级乐器识别

    本文利用 MusicNet 数据集，建立并评估了一个卷积神经网络，实现基于帧级别标注的乐器识别，并尝试不同方法将音高信息融入模型，实现对于多乐器帧级别噪声的校准、乐器之间谐波比较分析等，实验结果表明相对于基线方法具有显著的性能提升。

    Jun, 2018

  • 使用卷积神经网络自动识别多音乐器中的乐器

    本文介绍了利用卷积神经网络进行自动乐器识别的应用。在这个模型中，特征提取和学习算法是通过端到端方式一起训练的。通过基于原始音频训练的卷积神经网络所取得的结果表明，其性能优于那些依赖手工制作特征的传统方法。

    Nov, 2015

  • 用于音乐乐器识别的注意力机制

    本篇论文讨论了针对乐器识别难题的注意力机制，并针对数据弱标签的问题，使得在 OpenMIC 数据集上的多标签乐器识别精度得到提升。

    Jul, 2019

  • 音色陷阱：一种用于不受乐器限制的音乐转录的低资源框架

    Timbre-Trap 是一个新型框架，通过利用音高和音色之间的强分离性，将音乐转录和音频重建相统一。我们通过训练一个 U-Net 模型，同时估计音高显著性和重建复杂谱系数，通过简单的切换机制在解码阶段选择其中之一的输出。我们证明了该框架的性能可与最先进的无特定乐器转录方法相媲美，而只需要少量的带注释数据。

    Sep, 2023

  • 基于螺旋曲线的深度卷积神经网络在乐器识别中的应用

    本研究调查了构建学习卷积网络用于乐器识别的问题，并对三种不同的权重共享策略进行了性能测试，结果表明混合三种卷积层在单个深度学习体系结构中的效果最佳。

    May, 2016