music classification | BriefGPT

关键词music classification

搜索结果 - 8

音乐表征的对比学习
本文介绍了一种基于 SimCLR 的 CLMR 框架，用于音乐领域的自监督、对比学习，采用一系列基于音频数据的增强技术，可以在无需标记的情况下学习有用的音乐表示，并在 MagnaTagATune 和 Million Song 数据集上进行了
PDF3 years ago
多任务自监督预训练用于音乐分类
本文研究应用自监督学习和多任务学习方法预训练音乐编码器，探索编码器结构、损失权重和自监督任务选择对下游音乐分类任务的影响。研究发现，使用多种音乐特定的自监督任务，结合合理的损失权重平衡，可以提高和推广到下游任务。
PDF3 years ago
基于音频的零样本学习音乐分类和标记
本文研究了音乐领域中的零样本学习，并组织了两个不同的副信息设置，探讨人类标记的属性信息和一般词语语义信息的适用性，在音乐分类和多标签零样本学习方面提出了数据分割方案和评估设置，并报告了实验结果。
PDF5 years ago
ICML音乐分类与标记中的零样本学习和知识迁移
本研究探讨零样本学习在音乐分类和标记任务中的应用，提出了将音频和标记空间映射到单一语义空间并进行知识传递的方法，以验证其在不同音乐语料库中的泛化能力。
PDF5 years ago
ICML多尺度嵌入卷积神经网络在音乐标签识别中的应用 (MsE-CNN)
提出一种利用中间连接实现多尺度知识传递的卷积神经网络（CNN）模型，用于音乐分类和样式标记任务，能够将低层次的声音特征传递到最后一层，相对于文献中提出的方法，具有显著的改进。
PDF5 years ago
使用艺术家标签学习音乐表示
本文研究了一种用艺术家标签进行有监督特征学习的方法，提出了两个深度卷积神经网络来学习深度艺术家特征，应用于音乐分类和检索，结果表明该方法可以捕捉到音乐的一般音频特征，并且讨论了两种模型的优缺点。
PDF7 years ago
ICML使用样本级深度卷积神经网络进行多层和多尺度特征聚合的音乐分类
本论文提出了一种将预训练特征提取器聚合多级和多尺度特征的音乐分类方法，特征提取器通过使用原始波形进行样本级深度卷积神经网络训练，表现出了在多个音乐分类数据集上的最新成果。
PDF7 years ago
音乐分类和回归任务的迁移学习
本文介绍了一种基于转移学习的音乐分类和回归任务的方法，使用预训练的卷积网络提取出用于多个层次的特征向量进行音乐分类及回归。经实验证明，相较于传统的低、高层次的音乐特征和 MFCC 特征，使用卷积神经网络 (convnet) 作为特征提取方法
PDF7 years ago