基于顶层反馈和联合检测的主旋律提取算法

• 作者: 倪嘉惠 金文清 黄荣 韩芳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 主旋律提取 音乐信息检索 卷积神经网络 特征提取 音乐信号处理
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 103-107
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021010016

摘要

在音乐信息检索领域,主旋律提取是一项较为困难的工作,因为在人声帧和无人声帧的交界处附近,卷积神经网络-条件随机场(CNN-CRF)模型无法很好地处理两者之间的关系.针对这个问题,提出一种基于顶层反馈和联合检测的主旋律提取算法(CRNN-TFB).通过联合检测的方法可以解决语音检测和音高分类双目标问题.联合检测可以看作是多任务学习,但与一般的多任务网络不同,在主旋律提取网络顶部还添加了反馈网络来增强歌声检测和利用歌声结果来强化旋律特征中的音乐信息.在数据集MIR-1K和MIREX05中,CRNN-TFB总体性能上均优于对比算法.实验结果表明,CRNN-TFB能有效降低八度错误率,并且在召回率(VR)、原始音高准确率(RPA)和整体准确率(OA)上明显优于对比方法.