Διαχωρισμός μουσικών πηγών με τεχνικές μηχανικής μάθησης
Loading...
Date
Authors
Γαλάνη, Ειρήνη
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η ανάκτηση μουσικής πληροφορίας (MIR) στοχεύει στην βελτίωση της λειτουργικότητας της αναζήτησης και περιήγησης του χρήστη σε μουσικές συλλογές. Ένα απο 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 απο αυτό τα επιμέρους σήματα πηγών, όπως της φωνής και της συνοδείας. Σε γενίκο πλαίσιο, ακολουθείται μία συνήθης διαδικασία διαχωρισμού, αλλά οι προσεγγίσεις γύρω απο 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 σαφη 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 απο 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 συνολικης απόδοσής τους.
Description
Keywords
Ανάκτηση μουσικής πληροφορίας, Διαχωρισμός μουσικών πηγών, Μηχανική μάθηση, Νευρωνικά δίκτυα, Δίκτυα DenseNet