Podrobno

Vpliv taktne normalizacije na klasifikacijo glasbenih zvrsti
ID Bajec, Rok (Avtor), ID Emeršič, Žiga (Mentor) Več o mentorju... Povezava se odpre v novem oknu, ID Magajna, Tadej (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (1,47 MB)
MD5: FECF873C962DB643D46E4BA9DBDB4F14

Izvleček
Samodejna klasifikacija glasbenih zvrsti zvočne posnetke običajno razdeli na okna fiksne dolžine, ki ne upoštevajo glasbene strukture, zato enako dolga okna pri različnih tempih zajamejo različno količino glasbene vsebine. Magistrsko delo preverja, ali klasifikacijo izboljša taktna normalizacija. Pri njej se posnetek razdeli na takte na podlagi samodejno zaznanih in ročno potrjenih dob, vsak takt pa se preslika v mel-spektrogram fiksne velikosti, s čimer postane predstavitev od tempa neodvisna. Taktna normalizacija je primerjana s časovno normalizacijo na zbirki GTZAN s šestimi arhitekturami nevronskih mrež, od preproste konvolucijske mreže do modelov, prednaučenih na zbirkah ImageNet in AudioSet. Vrednotenje poteka na ročno validirani podmnožici zbirke s petkratno navzkrižno validacijo, pri kateri so vsi posnetki istega izvajalca v isti množici, kar prepreči uhajanje informacij med učenjem in testiranjem. Rezultati ne pokažejo statistično značilne razlike v točnosti med taktno in časovno normalizacijo pri nobeni arhitekturi. Enak sklep velja na pridržani testni množici. Najvišjo točnost, približno 80 %, doseže na zvočni domeni prednaučena konvolucijska mreža CNN14. Osrednji prispevek dela je neposredna primerjava obeh predstavitev pod protokolom brez uhajanja informacij. Ugotovitev, da nestrogo vrednotenje na majhni zbirki rezultate izkrivi, potrjuje znana opozorila o zbirki GTZAN.

Jezik:Slovenski jezik
Ključne besede:klasifikacija glasbe, mel-spektrogram, taktna normalizacija, detekcija dob, konvolucijske nevronske mreže, GTZAN
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2026
PID:20.500.12556/RUL-185027 Povezava se odpre v novem oknu
COBISS.SI-ID:286422787 Povezava se odpre v novem oknu
Datum objave v RUL:21.07.2026
Število ogledov:156
Število prenosov:77
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:The Effect of Bar Normalization on Music Genre Classification
Izvleček:
Automatic music genre classification typically operates on mel spectrograms computed over fixed-length time windows, a representation that ignores musical structure and varies with tempo. This thesis examines whether bar-normalized, tempo-independent mel spectrograms improve genre classification compared with the standard time-based representation. Recordings are segmented into musical bars (beats are detected automatically and verified manually), each bar is mapped to a mel spectrogram of fixed size, and beat-offset augmentation is introduced to avoid the need for downbeat detection. The comparison covers six architectures, from a lightweight convolutional network to ImageNet- and AudioSet-pretrained models, including the Audio Spectrogram Transformer and CNN14, on a manually validated, artist-disjoint subset of GTZAN with artist-grouped five-fold cross-validation. On these leakage-free data, bar normalization shows no statistically significant accuracy difference from the time baseline on any architecture. The same holds on a held-out test split, and an apparent reduction in cross-fold variance proves to be an artefact of window sampling in the baseline. The strongest model is the audio-pretrained convolutional network CNN14, reaching approximately 80 % accuracy. The main contribution is the direct comparison of the two representations under a leakage-free protocol. The finding that lax evaluation distorts results on a small dataset corroborates known caveats about GTZAN.

Ključne besede:music classification, mel spectrogram, bar normalization, beat detection, convolutional neural networks, GTZAN

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj