盡管深度神經(jīng)網(wǎng)絡(luò)算法在標簽自動標注領(lǐng)域已取得一定的成果,但對于包含大量噪聲標簽的真實音樂數(shù)據(jù)集仍存在自動標注效果差的問題.為此,文中通過對音樂標簽進行表示學習,挖掘音樂標簽與音頻特征之間的潛在關(guān)系,提出了基于標簽深度分析的音樂自動標注算法.該算法先通過多層級卷積網(wǎng)絡(luò)提取音頻特征,再通過音樂標簽向量的表示學習來降低噪聲數(shù)據(jù)對音樂自動標注網(wǎng)絡(luò)的不良影響.在真實音樂標注數(shù)據(jù)集上的實驗結(jié)果表明,該算法能取得更高的平均受試者特征曲線下面積,標注效果優(yōu)于其他自動標注算法.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 算法描述
    1.1 音頻特征提取
    1.2 標簽向量提取
    1.3 特征聚合
    1.4 標簽預(yù)測
2 實驗與結(jié)果分析
    2.1 實驗數(shù)據(jù)
    2.2 實驗細節(jié)
    2.3 實驗結(jié)果與分析
        2.3.1 多層級聚合有效性驗證
        2.3.2 標簽向量的影響實驗
        2.3.3 音樂標注算法的實驗結(jié)果對比
3 結(jié)論



本文編號：3785399