基于卷积神经网络的中国乐器分类

• 作者: 李子晋 李学明 李荣锋 谢祎凡
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 中国乐器 卷积神经网络 对数Mel声谱图
• 年，卷（期）: 2020,（5）
• 页码范围: 517-522
• 页数: 6页
• 分类号: TP181
• 语种: 中文

摘要

中国乐器有着丰富的种类,但过去由于缺少数字化的保存形式,在音乐信息检索领域有关它们的研究很少.基于中国音乐学院收集完成的中国乐器数据库,本文旨在找到每种中国乐器各自独有的声音特征,并希望找到泛化能力较强的模型以更好地利用有限的数据集.使用卷积神经网络并以对数Mel声谱图作为输入特征,在所构建的两个子数据集中实现了超过97％的分类准确率,说明所构建的模型能较好地学习到每种乐器的特征.此外,当以较短片段数据集训练的模型来对较长片段的数据集进行分类时,准确率依然高达92.70％,说明模型具有较好的泛化能力.